米哈游Gamer模型:AI自己打通《崩坏:星穹铁道》

资讯 凤凰科技 作者:量子位 全文 2970 字 · 约 8 分钟读完 配图 7 张 分类VLA学术研究游戏

具体来说,团队把不同游戏的录屏与玩家操作对齐,让模型学习画面和动作之间的关系:人物往前走,场景会怎样变化;

所属频道 前沿研究影视与游戏

作者署名信息已删除。

公众号信息已删除。

米哈游这是打算亲自研究“官方脚本”了?(doge)

崩坏AI研发团队最近发布了一项研究,名叫Gamer——

说出来你可能不信,AI居然自己上手玩起了《崩坏:星穹铁道》。

键鼠一交,它上来就能跟可可利亚过招。

自动播放

遇到场景机关,它照样能自己处理。走到“气泡弹珠”跟前把装置启动,人就被弹到另一片区域,落地继续跑。

自动播放

跟着NPC跑图也没问题:流萤在前头带路,AI在后头跟着,上楼、拐弯,一路跟到广场。

自动播放

打Boss、开机关、跟人跑图,这些AI全学会了。

那以后的充值页面里,会不会多出一个“AI代肝”的选项?

(注:米哈游打造的《崩坏:星穹铁道》是一款以银河冒险为题材的回合制角色扮演游戏。玩家会坐上星穹列车,到各个世界探索,靠跑图、对话与解谜把剧情往下推,同时还要组织角色队伍打回合制战斗。)

VLA代肝,不烧心

说回正题。米哈游给Gamer的定位,是面向长流程、实时交互的通用视觉—语言—动作(VLA)基础模型。

米哈游Gamer模型:AI自己打通《崩坏:星穹铁道》(配图 1)

前面演示里玩《崩铁》的主力版本,是团队在参数量80亿的Qwen3-VL-8B基础上进一步训练出来的。

游戏画面和任务摆在面前,它自己判断该按哪些键、鼠标往哪儿移、什么时候点下去,然后把这些操作真正执行出来。

换句话说,视觉信号是它接收的屏幕画面,任务指令告诉它要做什么,键鼠操作就是它输出的动作。

和以往AI玩游戏相比,Gamer这次最大的亮点,是把跨游戏的实时操作与长流程的记忆、规划接进了同一套VLA框架。

自动播放

实战中,模型做判断只靠屏幕画面、任务指令和已有记忆,不用读取游戏内部接口或底层状态。

任务往前推进,它还会动态记下“刚才完成了什么”、“下一步准备干什么”。

论文里还给了一组硬核实测数据:在覆盖五个主线篇章、总计约50小时的《崩铁》长流程评估中,Gamer的自主运行时间占比超过了95%。

米哈游Gamer模型:AI自己打通《崩坏:星穹铁道》(配图 2)

为了做到这个效果,研究设计了一套三阶段训练流程:

先拿跨游戏数据练操作,再用任务示范补上思考和记忆,最后让模型进游戏,靠试错和反馈继续提升。

第一步是持续预训练(Continued Pre-Training,CPT),让已经具备图文理解能力的基座模型进一步学会操作游戏。

具体做法是把不同游戏的录屏与玩家操作对齐,让模型学习画面和动作之间的关系:人物往前走,场景会怎样变化;鼠标往右移,镜头会转向哪里。

团队把这些操作统一成键鼠格式,不同游戏的数据因此能汇入同一套训练流程。

执行环节,Gamer每200毫秒抓取一帧画面,一次性规划其后六个动作块,每块约33毫秒,对应30Hz的控制节奏。

说白了就是瞄一眼画面,安排好接下来一小段动作,再依据新画面接着调整。

微调阶段,团队又整理了约1000小时高质量的《崩铁》演示,将目标拆成具体操作、阶段性小目标和完整任务,教模型把动作串起来。

这里有两处工程设计相当实用,要解决的都是长流程中的推理延迟和上下文膨胀问题:

-“稀疏思考”机制:路线明确时直接操作往前走;一旦路线走不通、目标切换或冒出新的交互提示,才启动推理。

-记忆摘要机制:旧记录快要被挤出上下文时,模型先把任务进度、失败尝试、重要地点和后续计划记下来,让之后的操作有据可依。

-“稀疏思考”:沿既定路线推进时直接操作;碰到路线失败、目标切换或新的交互提示,再展开推理。

在线强化学习阶段,团队拿出TA-GRPO,把长流程切成由记忆衔接的片段,对比不同尝试在对应阶段的表现,再用游戏环境核验的结果去更新模型。

有没有抵达目标地点、有没有做完当前任务,这些都能当作训练反馈,训练后台负责初始化和核验。

配套的Streaming-vLLM推理引擎还能复用已处理过的上下文,并提前输出已生成且核验完毕的动作块,让游戏画面先动起来,把操作延迟大幅压下去。

实验测试

跨游戏实验中,团队测试了Gamer的CPT版本,覆盖《我的世界》、基于《毁灭战士》的ViZDoom,以及OmniGameArena、GameWorld等多个游戏环境。

以《我的世界》为例,它能自行转动视角锁定史莱姆,追上前去挥剑劈砍:

自动播放

换到第一人称射击游戏ViZDoom,它也能快速拉枪瞄准,对逼近的敌人连续点射:

自动播放

在上述四项公共基准上,Gamer-8B-CPT平均拿到29.5分,所列通用模型对照里最高只有17.6分。

七类小游戏、共40个未参与训练的任务中,基座模型仅得3.2%,CPT后升到15.0%,SFT后提高到39.2%,加上强化学习更是达到49.7%——

同场竞技的通用模型最高分(GPT-6.1-Sol)只有17.1%。

米哈游Gamer模型:AI自己打通《崩坏:星穹铁道》(配图 3)

团队的核心判断由此得到支撑:借助统一的键鼠接口,把跨游戏学习、长期记忆和实时操作捏合起来,AI就能在复杂游戏里持续执行任务,并在交互中继续变强。

论文结尾,团队还指出这类能力有望用于自动化测试、加快游戏迭代,并支撑新的玩法机制,从而压低开发成本。

游戏成了AI的练习场,练出来的AI又能反过来帮忙做游戏。

团队介绍

接下来认识一下这项研究背后的团队。

论文贡献者名单共列出8位共同一作,其中5位是在米哈游实习期间参与该项目的:

米哈游Gamer模型:AI自己打通《崩坏:星穹铁道》(配图 4)

Run Luo:新加坡国立大学计算机科学博士生,参与过GUI-R1、OpenOmni等项目,在Gamer中负责三阶段训练、数据、基础设施及评测建设。

米哈游Gamer模型:AI自己打通《崩坏:星穹铁道》(配图 5)

张宽(Kuan Zhang):清华大学人工智能学院博士生,GameScaling与GameVerse共同一作,主要负责持续预训练、数据及评测建设。

张宽在个人主页里提到,自己打英雄联盟打到大师段位。

米哈游Gamer模型:AI自己打通《崩坏:星穹铁道》(配图 6)

米哈游崩坏AI研发团队的Qi Deng,承担强化学习、训推基础设施以及数据与评测建设。中国科学院大学的Yukun Chen是GameScaling共同一作,也是多模态推理研究RuCL一作,负责监督微调、数据及评测建设。

本科毕业于同济大学的Zhihao Yang,眼下在中国科学院大学读计算机专业博士,方向是游戏与智能体,项目中他管强化学习、数据及评测建设。

米哈游Gamer模型:AI自己打通《崩坏:星穹铁道》(配图 7)

米哈游崩坏AI研发团队的Yufei Zhang主要搭训练与推理基础设施;同团队的Renrong Hu主要负责基准(Benchmark)建设与评测。来自中国科学技术大学的Yi Zhang则在米哈游实习期间参与项目,也负责基准建设与评测。

其他论文贡献者可以看论文主页。

视角拉远来看,这支米哈游崩坏AI研发团队已在AI NPC、游戏智能体与研发自动化三个方向铺开,持续摸索大模型在游戏体验革新和工业化管线中的落地。

论文指导者之一郑银河,就是《崩坏》系列AI NPC与Gameplay技术团队的负责人。

郑银河此前在云栖大会上讲过《崩铁》的AI帕姆,也讲过内部研发用的Agent平台EchoX。

学术方面,该团队还跟高校合作推出GameScaling和Video-Arena,前者探明跨游戏持续预训练的Scaling Law,后者摸清模型理解动态游戏画面的边界。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. AI长线调查训练难在哪:题太简单、反馈太糙

    你有没有玩过那种需要连环推理的侦探游戏?不是"谁是凶手"这么简单的一道题,而是你得先找到一张老照片,认出照片里的建筑,查这栋建筑的历史,顺藤摸瓜找到一场国际会议,再从会议参与者里锁定一个人,追踪他的继任者,最后在继任者纪念馆的某张照片里,数清楚几根柱子。这是一个真实的例子。论文里展示的一道训练题,起点是一...

    来源 腾讯网
  2. 谷歌AI智能体改一处代码成功率翻8倍:Harness自我优化研究

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。在一项 SWE-

    来源 腾讯网
  3. 育碧成立Motherbrain:游戏AI独立子公司,半年减员近1100人

    IT之家 11 月 20 日消息,VideoGamesChronicle 今日报道称,育碧成立了一家专注于游戏 AI 技术的新子公司 Motherbrain,负责研发用于游戏玩法创新的 AI 技术,并为旗下游戏开发团队提供支持。根据育碧 11 月 19 日公布的 2026-2027 财年上半年财报,公司确认 Mothe

    来源 腾讯网
  4. 当AI代理写出一篇“完美”论文,却没有一个实验是真的

    2026年,一群科学家做了一件挺反直觉的事。他们没有让AI去解一道数学题,也没有让AI去证明一个定理。他们找了九个最顶尖的AI代理(就是那种能自己写代码、自己跑实验、自己写论文的AI系统),给每个代理一篇真实发表过的科学论文,外加论文原作者亲口说的"接下来我想做这个方向",然后让AI自己把这个方向做出来,写成一篇跟得上

    来源 腾讯网
  5. 问诊AI?一场死亡背后的追问

    查症状、看药品说明书、理解检查报告,优先用有明确医学语料来源、答案带引用且被设计为“转介医生”而非“替代医生”的专业医疗AI产品,而不是把通用聊天大模型当成全科大夫。

    来源 凤凰科技
  6. GPT-6.2 Astra解出Smoktunowicz定理:94分钟写出全球首个形式化证明

    Vals AI最新高难数学基准测试中,GPT-6.2 Astra以87.50%的准确率登顶。面对Lean公共数学库缺失的三个关键定理,Astra自主定义“容量”这一新数学工具,绕开原论文证明路线,仅用94分钟、1794行Lean代码,完成Smoktunowicz间隙定理的全球首个形式化证明。

    来源 华尔街见闻
  7. AI做PPT、搭网页居然都免费?用完豆包工作我算了下账

    就拿小雷自己来说,自从把整理资料、分析财报、制作PPT等工作交给Agent软件(WorkBuddy、豆包工作等)后,也发现随着使用次数和任务复杂度的增加,AI消耗的积分也确实不少,很多时候赠送积分已经完全不够用,需要额外开会员和充值才行。

    来源 凤凰科技
  8. 谷歌字节快手集体降价,AI视频进入分秒计价时代?

    (本文作者为 AIX财经,钛媒体经授权发布)文 | AIX财经,作者 | 王璐,编辑 | 魏佳AI视频行业正在靠近一个类似DeepSeek的时刻,模型能力差距收窄,价格被打到分/秒,创作者开始批量调用。11月初,谷歌把视频模型Gemini Omni 1.2 Flash转为正式版,不仅支持15秒视频生成和多轮对话式编辑等

    来源 腾讯网
  9. 英伟达单周跌近23%创2008年来最差,美股AI板块集体重挫

    板块方面,半导体产业链成为重灾区,费城半导体指数暴跌10.73%。英伟达跌14.01%,报收125.53美元,连续第7个交易日下跌;特斯拉跌7.64%,Meta跌5.93%,亚马逊跌4.10%,微软跌2.77%,谷歌跌2.59%,苹果跌1.90%。值得一提的是,英伟达本周累计下跌近23%,创2008年10月以来最大单周

    来源 TechWeb
  10. 谷歌论文:光改提示词智能体成功率反降,改运行框架升至40%

    调教 AI 智能体,惯用手法是反复打磨提示词。谷歌 11 月 17 日发表的论文却给出反直觉结论:只改提示词,智能体成功率反而从 5% 跌到 2.5%;而让优化模型直接改写其运行框架,成功率冲到 40%,足足 8 倍。 142 行代码,拆成四块逐个改 Harness 指包裹在模型外围的运行框架,负责

    来源 AI 开发者社区
  11. 姚顺雨回清华姚班:大模型不拼指标赛马,RSI如何落到工程?

    11 月 18 日晚,腾讯首席 AI 科学家、混元大模型负责人姚顺雨回到母校清华大学交叉信息研究院(姚班),与本科同窗、清华交叉信息院助理教授吕凯风做了一场近距离的闭门问答交流。 作为姚班 2015 级校友与普林斯顿博士,姚顺雨曾参与提出将推理与行动结合的 ReAct 范式,是代码 Agent 评测基准 SWE-ben

    来源 AI 行业观察
  12. GTA6首日零售37.9亿美元:单日超复联4全球票房

    作为对比,《GTA5》发售首日售出约1100万份、收入约8亿美元,三天才突破10亿美元,《GTA6》单日收入约为前作首日的4.7倍,一天即超越前作三天的成绩。不仅如此,《GTA6》的首日收入还超过了电影《复仇者联盟4:终局之战》约29亿美元的全球累计票房。评分方面,Metacritic给《GTA6》打出99分,并将其列

    来源 TechWeb
  13. GTA6首日零售37.9亿美元:一天超过复联4全球票房

    作为对比,《GTA5》发售首日售出约1100万份、收入约8亿美元,三天才突破10亿美元,《GTA6》单日收入约为前作首日的4.7倍,一天即超越前作三天的成绩。不仅如此,《GTA6》的首日收入还超过了电影《复仇者联盟4:终局之战》约29亿美元的全球累计票房。评分方面,Metacritic给《GTA6》打出99分,并将其列

    来源 TechWeb
  14. 三星高管谈AI投资:Neocloud风险有限,需求真实非投机

    IT之家 11 月 20 日消息,据路透社当地时间 18 日报道,三星电子两位高管在本周举行的摩根士丹利会议上表示 Neocloud(新兴 AI 云服务企业)面临的不确定性对整体市场的影响有限,这轮 AI 投资基于实际需求而非投机。 三星 DS(设备解决方案,半导体板块)部门经营战略总管负责人 Kim Yong-kwa

    来源 AI 行业观察
  15. 国产科幻单机《时空低语》预告片首发:22人团队投入超3亿

    首款国产科幻动作单机游戏《时空低语》全球首发预告片,引发行业广泛关注。同年8月28日,他正式做出决策:带领团队全面转向大型单机游戏开发,将此前弹幕互动赛道积累的1亿元资金全部投入《时空低语》项目,开始主机游戏研发。扎根文化原创 探索中国科幻单机游戏的独特路径不同于传统西方科幻的叙事逻辑,《时空低语》从立项之初就确立了“

    来源 TechWeb
向下滚动自动加载更多