研究团队指出，现在的 AI 模子保存显着的功效鸿沟，以游戏为取向的 AI 能正常嬉戏但无法明确自己所做的决议，而语言模子虽然可以推理战略，但很难真正执行操作，为此他们研发了全新 TiG 框架，让模子在游戏中同步思索、行动。
团队选择以《王者荣耀》游戏作为训练范本，先使用匿名且标准化的赛事数据界说推上路、击杀暴君、守家等 40 种宏观行动，输赢回数平衡，AI 模子们必需要在每个界说好的场景下选择最佳战略，并诠释其战略缘由。
详细来说，训练分为两个阶段，首先是在监视中学习，弄清晰这些战略的基本机制；随后通过奖励机制举行强化学习，若是行动准确能得 1 分，过失行动则得 0 分。
随后团队测试了多种语言模子，涵盖 Qwen2.5（7B、14B、32B）、Qwen3-14B 模子，并使用 DeepSeek-R1 大模子作为比照组；先从 DeepSeek-R1 提炼高质量训练数据，然后使用群体相对战略优化（GRPO）手艺，较量差别战略之间的优劣。
最终经由 TiG 框架训练的模子不但能制订行动妄想，还能诠释缘故原由，例如 AI 会指出某个防御塔防守薄弱，是理想的进攻目的，但需要注重匿伏的仇人。模子训练后仍坚持原有的文本明确、数学推理与问答能力。
最终测试效果如下：
- 比照组 DeepSeek-R1：决议准确率达 86.67%
