电竞(jing)资讯10月(yue)05日称 据 decoder 今(jin)天报道，腾讯研究人员(yuan)最(zui)近用(yong)《王者荣耀(yao)》游戏(xi)作为训练(lian)平台，探索如何让 AI 在游戏中(zhong)学会(hui)“战略性思考(kao)”，研究全新 TiG（Think in Games）框架，相关成果已发表于 Hugging Face 网站(zhan)和 arXiv 平台。
研究团队指出，目前的(de) AI 模型存在明显的(de)功能鸿沟，以游戏为取向(xiang)的 AI 能(neng)正常游玩(wan)但无法理解自己(ji)所做的决策，而语言模型虽然可以(yi)推理策略，但很难真正执行操作，为此他们研发了(le)全新 TiG 框架，让模型在游戏中同步思考、行动(dong)。
团队选择以《王者荣耀(yao)》游戏(xi)作为训练范本，先使用匿名且标准化(hua)的赛事数据定义推上路、击(ji)杀暴君、守家等 40 种(zhong)宏观行动，胜负回数均衡，AI 模型们必须要(yao)在每个定义好的场景下选择最(zui)佳策略，并解(jie)释其(qi)战略缘由。
具体来说，训练分(fen)为两个阶段，首先是在监督中学习，弄清楚这些策(ce)略的基本机制；随后通(tong)过奖励机制进行强化学习，如果行动正确能得 1 分，错误(wu)行动则得 0 分。
随(sui)后团队测试了多(duo)种语言模(mo)型，涵盖 Qwen2.5（7B、14B、32B）、Qwen3-14B 模(mo)型(xing)，并使用 DeepSeek-R1 大(da)模型作为对照组；先从 DeepSeek-R1 提炼高(gao)质量训练数据，然后使用群体相对策略优化（GRPO）技术(shu)，比(bi)较不同(tong)策略之间的优劣。
最终(zhong)经过(guo) TiG 框架训练的模(mo)型(xing)不仅能制定行动计划，还能解(jie)释原因，例如 AI 会指出某个防(fang)御塔防守薄弱，是理想的进攻目标，但需要注意埋伏的敌人。模型训练后仍(reng)保持原有的文本理解、数学推理与问答能力。
