腾讯研究团队开发了创新的TiG（Think in Games）框架，旨在解决当前AI模型在游戏中缺乏战略性思考的局限。该框架通过在《王者荣耀》等游戏场景中训练AI，使其能够同步进行思考和行动。研究人员定义了40种宏观行动，并通过监督学习和强化学习相结合的方式训练模型。最终，经过TiG框架训练的模型不仅能制定并执行策略，还能清晰地解释其战略决策的理由，如识别薄弱防御塔并预测敌方埋伏。测试结果显示，使用TiG框架训练的Qwen模型在决策准确率上显著超越了对照组，部分模型准确率提升近30个百分点。

🎯 **AI战略思考新框架TiG的提出**：腾讯研究团队为解决AI在游戏中“能玩但不理解决策”的“功能鸿沟”问题，研发了TiG（Think in Games）框架，实现了AI在游戏中的同步思考与行动，弥补了传统AI模型在战略深度上的不足。

🎮 **《王者荣耀》作为训练平台与方法**：研究团队以《王者荣耀》为训练范本，通过匿名标准化赛事数据定义了40种宏观行动，并采用监督学习掌握基本策略，再通过奖励机制进行强化学习，让AI在特定场景下选择最佳策略并解释原因，实现了从“执行”到“理解”的飞跃。

📊 **模型性能显著提升**：在与DeepSeek-R1等对照组的对比测试中，经过TiG框架训练的Qwen模型展现出优异的性能。例如，Qwen3-14B模型的决策准确率达到90.91%，超越了对照组，Qwen2.5-32B和Qwen2.5-14B模型的准确率也分别从66.67%和53.25%大幅提升至86.84%和83.12%，验证了TiG框架的有效性。

💡 **AI决策的透明化与可解释性**：TiG框架训练出的模型不仅能够制定有效的行动计划，还能对其战略决策提供清晰的解释，例如AI能指出特定防御塔防守薄弱是理想的进攻目标，并预警潜在的敌方埋伏，这使得AI在游戏中的决策过程更加透明和易于理解。

IT之家 10 月 4 日消息，据 decoder 今天报道，腾讯研究人员最近用《王者荣耀》游戏作为训练平台，探索如何让 AI 在游戏中学会“战略性思考”，研究全新 TiG（Think in Games）框架，相关成果已发表于 Hugging Face 平台和 arXiv 期刊。

研究团队指出，目前的 AI 模型存在明显的功能鸿沟，以游戏为取向的 AI 能正常游玩但无法理解自己所做的决策，而语言模型虽然可以推理策略，但很难真正执行操作，为此他们研发了全新 TiG 框架，让模型在游戏中同步思考、行动。

团队选择以《王者荣耀》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、击杀暴君、守家等 40 种宏观行动，胜负回数均衡，AI 模型们必须要在每个定义好的场景下选择最佳策略，并解释其战略缘由。

具体来说，训练分为两个阶段，首先是在监督中学习，弄清楚这些策略的基本机制；随后通过奖励机制进行强化学习，如果行动正确能得 1 分，错误行动则得 0 分。

随后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 提炼高质量训练数据，然后使用群体相对策略优化（GRPO）技术，比较不同策略之间的优劣。

最终经过 TiG 框架训练的模型不仅能制定行动计划，还能解释原因，例如 AI 会指出某个防御塔防守薄弱，是理想的进攻目标，但需要注意埋伏的敌人。模型训练后仍保持原有的文本理解、数学推理与问答能力。

最终测试结果如下：

对照组 DeepSeek-R1：决策准确率达 86.67%

Qwen3-14B：决策准确率达 90.91%，超越 DeepSeek-R1

Qwen2.5-32B ：准确率从 66.67% 提升至 86.84%

Qwen2.5-14B：准确率从 53.25% 提升至 83.12%