研究(jiu)团队指出，目前(qian)的(de) AI 模型存在明显的功能鸿沟(gou)，以游戏为取向的 AI 能正常游玩(wan)但无法理解自己所做的(de)决策，而语言模型虽然可以推理策略，但很难真正执行操作，为(wei)此他们研(yan)发了全新 TiG 框架，让模型在游戏中同步(bu)思考、行动。
团队选择以《王者荣(rong)耀》游戏作为训练范本，先使用匿名且标准化的赛事数据定义推上路、击(ji)杀暴君、守家等 40 种宏观行动，胜(sheng)负回数均衡，AI 模(mo)型们必(bi)须要在每个定义好(hao)的场景(jing)下(xia)选(xuan)择最佳策略，并解释其战略缘由。
具体来说，训练分(fen)为两个阶段，首先是(shi)在监督中学习，弄清楚这些策略的基本机制；随后通过奖励(li)机制进行强化学(xue)习，如(ru)果行动正确(que)能得 1 分，错误行动则得 0 分。
随后(hou)团队测试了多种语言模型，涵盖 Qwen2.5（7B、14B、32B）、Qwen3-14B 模型，并使用 DeepSeek-R1 大模型作为对照组；先从 DeepSeek-R1 提炼高质(zhi)量训练数据，然后使用群体相对策略优化(hua)（GRPO）技(ji)术，比较(jiao)不同(tong)策(ce)略(lve)之间的(de)优劣(lie)。
最终经过 TiG 框架训练的模型不(bu)仅能制定行动计划，还能(neng)解释原因，例如 AI 会指出某(mou)个防御塔防守薄弱，是理想的(de)进(jin)攻目标，但(dan)需要(yao)注意埋伏的敌人。模型训练后(hou)仍(reng)保持原(yuan)有的文本理解(jie)、数学推理与问(wen)答能力(li)。
最终测(ce)试结果如(ru)下：
- 对照组 DeepSeek-R1：决策(ce)准确率达 86.67%
