type
Post
status
Published
date
Nov 21, 2026
slug
summary
tags
category
技术分享
icon
password
米哈游发布Gamer:8B参数模型实现50小时游戏自主运行
米哈游崩坏AI研发团队近期发布了一项名为 Gamer 的研究成果。该模型被定位为面向长流程、实时交互的通用视觉—语言—动作(VLA)基础模型。与传统AI玩游戏不同,Gamer的核心亮点在于将跨游戏的实时操作与长流程的记忆、规划整合进同一套VLA框架中,使得AI能够仅凭屏幕画面、任务指令和已有记忆进行决策,无需依赖游戏内部接口或底层状态。
核心架构与训练策略
Gamer的主力版本基于参数量为 80亿 的 Qwen3-VL-8B 进一步训练而来。模型通过视觉信号接收游戏画面,根据任务指令决定键盘鼠标的操作,并执行这些动作。为了支撑这一能力,研究设计了一套三阶段训练流程:首先利用跨游戏数据进行持续预训练,让模型学习画面与动作之间的关系;其次通过任务示范补充思考和记忆能力;最后让模型进入游戏环境,通过试错和反馈进行在线强化学习。
在工程细节上,模型执行时每隔 200毫秒 读取一次画面,并安排随后六个约 33毫秒 的动作块,对应 30Hz 的控制节奏。针对长流程中的推理延迟与上下文爆炸问题,团队引入了两个关键机制:一是“稀疏思考”,即在路线确定时直接操作,仅在遇到失败或新提示时展开推理;二是“记忆摘要”,在旧记录移出上下文前,先记录任务进度、失败尝试及重要地点,确保后续操作有据可循。此外,配套的 Streaming-vLLM 推理引擎能够复用已处理的上下文并提前输出动作块,显著降低了操作延迟。
性能表现与跨游戏测试
实测数据显示,在覆盖五个主线篇章、总计约 50小时 的《崩坏:星穹铁道》长流程评估中,Gamer的自主运行时间占比超过了 95%。这意味着模型能够独立处理打Boss、开机关以及跟随NPC跑图等复杂任务。
在跨游戏实验中,团队测试了Gamer在《我的世界》、基于《毁灭战士》的 ViZDoom 以及 OmniGameArena 和 GameWorld 等多个环境中的表现。在四项公共基准上,Gamer-8B-CPT的平均得分为 29.5,远高于对照组中最高仅 17.6 的成绩。而在七类小游戏、共 40个 未参与训练的任务中,模型表现随训练阶段提升显著:基座模型成功率仅为 3.2%,经过持续预训练升至 15.0%,监督微调后提升至 39.2%,加入强化学习后更是达到了 49.7%。相比之下,通用模型的最高分仅为 17.1%。
研究意义与团队背景
该研究证实了通过统一的键鼠接口,将跨游戏学习、长期记忆和实时操作结合,能让AI在复杂游戏中持续执行任务并通过交互改进。团队指出,这类能力有望用于自动化测试、加快游戏迭代以及支持新的玩法机制,从而降低开发成本。目前,米哈游崩坏AI研发团队的布局已覆盖 AI NPC、游戏智能体与研发自动化三大方向。论文贡献者包括多位在米哈游实习的博士生及团队成员,如 Run Luo、张宽 等,其中部分成员在高校期间参与过 GameScaling 与 GameVerse 等项目。
原文出处:量子位,https://www.qbitai.com/2026/11/511740.html
- 作者:数字Baby
- 链接:myaigc.top/article/41fb7c2d-0e98-813d-ab54-e29eeb1044ca
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议,转载请注明出处。



