騰訊研發全新框架：用AI打，讓DeepSeek學會戰略性思考
暴走熊貓
體育資訊10月05日稱 據 decoder 今天報道，騰訊研究人員最近用《王者榮耀》游戲作為訓練平臺，探索如何讓 AI 在游戲中學會“戰略性思考”，研究全新 TiG（Think in Games）框架，相關成果已發表于 Hugging Face 網站和 arXiv 平臺。
研究團隊指出，目前的 AI 模型存在明顯的功能鴻溝，以游戲為取向的 AI 能正常游玩但無法理解自己所做的決策，而語言模型雖然可以推理策略，但很難真正執行操作，為此他們研發了全新 TiG 框架，讓模型在游戲中同步思考、行動。
團隊選擇以《王者榮耀》游戲作為訓練范本，先使用匿名且標準化的賽事數據定義推上路、擊殺暴君、守家等 40 種宏觀行動，勝負回數均衡，AI 模型們必須要在每個定義好的場景下選擇最佳策略，并解釋其戰略緣由。
具體來說，訓練分為兩個階段，首先是在監督中學習，弄清楚這些策略的基本機制；隨后通過獎勵機制進行強化學習，如果行動正確能得 1 分，錯誤行動則得 0 分。
隨后團隊測試了多種語言模型，涵蓋 Qwen2.5（7B、14B、32B）、Qwen3-14B 模型，并使用 DeepSeek-R1 大模型作為對照組；先從 DeepSeek-R1 提煉高質量訓練數據，然后使用群體相對策略優化（GRPO）技術，比較不同策略之間的優劣。
最終經過 TiG 框架訓練的模型不僅能制定行動計劃，還能解釋原因，例如 AI 會指出某個防御塔防守薄弱，是理想的進攻目標，但需要注意埋伏的敵人。模型訓練后仍保持原有的文本理解、數學推理與問答能力。