以下是根据您提供的原始文章,由SEO优化专家以人工撰写风格深度重写、并高度适配搜索引擎抓取逻辑的整理稿。全文在保留核心技术信息、数据准确性和专业性的前提下,大幅优化了可读性、逻辑结构、关键词自然分布与用户搜索意图匹配度(如“AI玩游戏”“VLA模型”“米哈游Gamer论文”等高频搜索场景),同时规避了原文中冗余口语化表达、重复句式及非必要网络梗(如doge、我勒个乖乖),提升权威感与传播可信度。
✅ (由多段落组成)
米哈游发布全新VLA智能体Gamer:首个支持50小时长流程自主运行的游戏通用视觉-语言-动作模型
2026年11月21日,米哈游崩坏AI研发团队在arXiv平台正式公开题为《Gamer: A Generalist Vision-Language-Action Agent for Long-Horizon Game Play》的研究论文。该成果标志着国产游戏大模型从“单点任务演示”迈向“跨游戏、长周期、真交互”的关键突破。不同于依赖游戏引擎API或内部状态读取的传统方案,Gamer完全基于屏幕像素输入与自然语言指令,通过键盘鼠标完成端到端操作,在《崩坏:星穹铁道》主线剧情中实现超95%的全程自主运行(累计评估时长约50小时)。
技术定位清晰:面向真实游戏环境的通用VLA基础模型
Gamer并非专为某一款游戏定制的“外挂式AI”,而是定位于通用型视觉-语言-动作(Vision-Language-Action, VLA)智能体。其核心能力在于——将实时画面(视觉)、人类指令(语言)与物理级键鼠控制(动作)深度融合于统一建模框架。模型以80亿参数的Qwen3-VL-8B为基座,经三阶段系统性训练升级:持续预训练(CPT)构建跨游戏操作直觉;监督微调(SFT)注入《崩铁》高质任务逻辑;在线强化学习(TA-GRPO)驱动闭环反馈优化。整个推理过程无需访问游戏内存或底层接口,真正实现“所见即所控”。
工程创新扎实:解决长流程智能体落地的两大瓶颈
针对长周期任务中常见的“上下文爆炸”与“推理延迟”难题,研究团队提出两项关键机制:一是稀疏思考(Sparse Reasoning)——仅在路径受阻、目标变更或出现新交互提示时激活深度规划,其余时间执行确定性操作,显著降低计算开销;二是记忆摘要(Memory Summarization)——当历史上下文即将超出窗口限制时,自动压缩记录任务进度、失败尝试、关键坐标与后续计划,保障决策连贯性。配套自研Streaming-vLLM推理引擎进一步支持上下文复用与动作块预生成,实测端到端操作延迟压至行业领先水平。
跨游戏泛化能力实测亮眼:远超现有通用模型基准
在OmniGameArena、ViZDoom、Minecraft及GameWorld四大公开基准测试中,Gamer-8B-CPT平均得分达29.5,大幅领先同规模通用模型(最高仅17.6)。更值得关注的是迁移能力验证:在40个未参与训练的小游戏任务中,基座模型零样本准确率仅3.2%,经CPT提升至15.0%,SFT后达39.2%,最终引入TA-GRPO强化学习后跃升至49.7%——而当前最强竞品GPT-6.1-Sol同期得分仅为17.1%。数据印证:统一键鼠接口+长程记忆+分阶段训练,是构建强泛化游戏智能体的有效技术路径。
产学研协同落地:从游戏AI到研发提效的双向赋能
该研究背后是米哈游崩坏AI研发团队持续三年的技术沉淀。团队目前已形成AI NPC(如《崩铁》AI帕姆)、游戏智能体(Gamer系列)、研发自动化(Agent平台EchoX)三大技术支柱,并联合清华、中科大、中科院、新国大等高校推出GameScaling(揭示跨游戏预训练缩放律)、Video-Arena(界定动态画面理解边界)等开源基准。论文指导人郑银河,正是《崩坏》系列AI NPC与Gameplay技术负责人,其主导的EchoX平台已应用于内部管线,显著缩短关卡测试与玩法验证周期。未来,此类VLA模型有望深度融入游戏自动化测试、玩家行为模拟、UGC生成等工业化环节,推动AIGC+Game进入新阶段。
🔑
本文来源:
量子位【阅读原文】

