内容提要
米哈游崩坏AI团队发布80亿参数视觉—语言—动作模型Gamer,可仅凭屏幕画面和任务指令自主游玩《崩坏:星穹铁道》,完成打Boss、开机关、跟随NPC等操作。模型经跨游戏预训练、约1000小时示范微调及在线强化学习三阶段训练,并采用稀疏思考与记忆摘要机制应对长流程。约50小时评估中自主运行占比超95%,跨游戏任务表现明显优于通用模型。
延伸解读
纯视觉输入如何支撑长流程自主游玩
Gamer不读取游戏内部接口或底层状态,仅凭屏幕画面、任务指令和已有记忆做判断。这意味其能力更接近人类玩家的操作方式,也降低了对接不同游戏的适配成本。但文章未说明画面识别在复杂场景下的失败率,读者需注意纯视觉方案对画面清晰度和UI变化的敏感性可能影响实际稳定性。
三阶段训练的分工与稀疏思考的取舍
持续预训练让模型学习画面与键鼠动作的对应关系,微调阶段用约1000小时示范教模型组织动作,在线强化学习则通过游戏环境核验结果继续提升。其中稀疏思考机制只在路线失败、目标切换或出现新交互提示时才展开推理,这有助于控制延迟,但也意味着模型对熟悉路线的依赖较强,遇到未见过的情况时推理负担会集中出现。
跨游戏数据揭示的泛化边界
在七类小游戏、40个未参与训练的任务中,基座模型成功率仅3.2%,经持续预训练升至15.0%,微调后达39.2%,加入强化学习后为49.7%。这组数据说明三阶段训练对泛化有明确增益,但最终成功率仍不足一半,且任务范围有限。读者不宜将《崩铁》中超过95%的自主运行占比直接外推到其他游戏或开放场景。
从游戏智能体到开发工具的潜在路径
论文结尾指出,这类能力有望用于自动化测试、加快游戏迭代并支持新玩法机制,从而降低开发成本。米哈游崩坏AI团队布局已覆盖AI NPC、游戏智能体和研发自动化三个方向。不过文章未给出自动化测试的具体落地案例或效率数据,这一应用前景目前仍属于研究团队的展望,而非已验证的工程结论。
Q&A
米哈游发布的Gamer模型是什么?
Gamer是米哈游崩坏AI团队发布的80亿参数视觉-语言-动作(VLA)基础模型,能仅凭屏幕画面和任务指令自主游玩《崩坏:星穹铁道》,完成打Boss、开机关、跟随NPC等操作。
Gamer模型是如何训练出来的?
Gamer采用三阶段训练:先进行跨游戏持续预训练(CPT)学习画面与动作关系;再用约1000小时《崩铁》示范微调,教模型组织动作;最后通过在线强化学习(TA-GRPO)利用游戏反馈继续提升。
Gamer在玩《崩坏:星穹铁道》时表现如何?
在约50小时的长流程评估中,Gamer自主运行时间占比超过95%,能完成打Boss、开机关、跟随NPC等任务,表现明显优于通用模型。
Gamer模型有哪些关键技术设计来解决长流程问题?
Gamer采用稀疏思考机制(仅在路线失败、目标切换或新交互时展开推理)和记忆摘要机制(在旧记录移出上下文前记下任务进度、失败尝试、重要地点和后续计划),以应对长流程中的推理延迟与上下文爆炸问题。
Gamer在跨游戏任务上的表现如何?
在《我的世界》、ViZDoom等跨游戏环境中,Gamer能完成转视角锁定史莱姆、拉枪瞄准敌人等操作。在四项公共基准上,Gamer-8B-CPT平均得分29.5,高于通用模型最高分17.6;在40个未训练任务中,经过完整训练后得分达49.7%,远超通用模型最高分17.1%。
这项研究有哪些潜在应用价值?
论文指出,这类能力有望用于自动化测试、加快游戏迭代,并支持新的玩法机制,从而降低开发成本。游戏成为AI的练习场,练出来的AI又能反过来帮助开发游戏。