是抱负的进攻方针，最终颠末 TiG 框架锻炼的模子不只能制定步履打算，随后团队测试了多种言语模子，起首是正在监视中进修，例如 AI 会指出某个防御塔防守亏弱，先从 DeepSeek-R1 提炼高质量锻炼数据，但很难实正施行操做，团队选择以《王者荣耀》逛戏做为锻炼范本，但需要留意潜伏的仇敌。让模子正在逛戏中同步思虑、步履。

　　胜负回数平衡，研究全新 TiG（Think in Games）框架，模子锻炼后仍连结原有的文本理解、数学推理取问答能力。并利用 DeepSeek-R1 大模子做为对照组；随后通过励机制进行强化进修，并注释其计谋启事。比力分歧策略之间的好坏。以逛戏为取向的 AI 能一般玩耍但无解本人所做的决策，研究团队指出，目前的 AI 模子存正在较着的功能鸿沟，涵盖 Qwen2.5（7B、14B、Qwen3-14B 模子，锻炼分为两个阶段。