米哈游崩坏AI研发团队公布了游戏智能体研究Gamer,尝试让视觉—语言—动作模型(VLA)不依赖游戏内部接口,而是像玩家一样读取屏幕、理解任务,再通过键盘和鼠标持续操作。论文展示的8B参数版本基于Qwen3-VL-8B训练,可在《崩坏:星穹铁道》中执行战斗、机关互动和跟随角色移动等任务。
核心看点
- 从画面到动作: Gamer接收游戏画面与文字指令,输出键鼠操作。团队将不同游戏中的录屏和玩家操作整理成统一格式,让模型学习画面变化与动作之间的联系。执行时,模型约每200毫秒读取一次画面,并规划接下来的一小段操作,再根据新画面调整。
- 为长流程补上记忆: 训练分为持续预训练、监督微调和在线强化学习。微调阶段使用约1000小时《崩坏:星穹铁道》演示;模型还能将已完成事项、失败尝试、关键地点和后续计划压缩成摘要,避免任务进行时上下文不断膨胀。团队还采用“稀疏思考”:路线明确时直接行动,遇到失败或目标变化再展开推理。
- 让游戏反馈参与训练: TA-GRPO将长任务拆成由记忆衔接的片段,依据是否到达地点、完成阶段目标等环境反馈改进模型。配套推理引擎则复用已有上下文,并提前生成和核验动作块,以降低交互等待。
论文报告,在覆盖五个主线篇章、约50小时的《崩坏:星穹铁道》评估中,Gamer自主运行时间占比超过95%。在七类小游戏的40个未参与训练任务中,模型从基座阶段的3.2%提升至持续预训练后的15.0%、监督微调后的39.2%,加入强化学习后达到49.7%。这些结果反映的是论文所设定任务和评测环境中的表现,并不意味着模型能无条件通关所有游戏。
意义与边界
Gamer的价值不只是让AI“会玩”,而是把跨游戏操作、任务规划、记忆和交互式训练纳入一套流程。统一键鼠接口有助于减少对单款游戏专用接口的依赖,也让游戏成为训练智能体的可控环境。研究团队提出,这类能力未来可用于自动化测试、辅助游戏迭代或支持新玩法设计;不过,跨游戏评测与实际开发流程之间仍有距离,模型在新场景中的稳定性也需要进一步验证。
来源:量子位
评论
正在确认登录状态……
正在加载评论……