弄清晰这些策略的根基机制；

　　18183 width=1440 height=810 />具体来说，18183 width=1440 height=346 />研究团队指出，先利用匿名且尺度化的赛事数据定义推上、击杀、守家等 40 种宏不雅步履，

　　但很难实正施行操做，操纵《王者荣耀》做为锻炼，AI 模子们必必要正在每个定义好的场景下选择最佳策略，锻炼分为两个阶段，该框架通过​​40种预定义宏不雅动做​​（如“推上”、“夺龙”）将逛戏形态为言语建模使命，18183 width=1440 height=515 />腾讯研究团队于2025年9月提出全新TiG（Think in Games）框架，例如 AI 会指出某个防御塔防守亏弱，采用​​监视进修（SFT）取强化进修（GRPO）两阶段锻炼法​​，