米哈游项目组联手清北高材生，开源游戏操作AI模型：字节也做过

10/236 浏览

结硬寨，打呆仗。

文/托马斯之颅&王丹

10月22日晚，GitHub突然出现了一个挂着米哈游、清华大学、中国科学院大学和香港大学Logo的开源项目，大标题赫然写着Scaling in Games，这把大家吓了一跳——难道米哈游悄悄搞了个大动作？

葡萄君仔细查看了项目介绍，发现事情倒是没那么大。根据论文作者信息，这大概率是崩坏项目 AI 研发团队（miHoYo Honkai AI R&D Team）中的几位实习生联合发布的研究成果，未必是米哈游公司层面的战略级研究项目。论文目前也只是发表在了arXiv预印本平台（即尚未经过同行评议）。

具身智能对现实世界物理规律的理解尚可通用，但游戏虚拟世界的规则并不具备一致性，AI能像人一样迅速适应不同游戏的陌生规则和控制方式吗？

值得注意的是，论文也有一些作者的单位不是米哈游，而是香港大学、清华大学、北京大学等等。不过目前暂无关于项目具体合作模式的公开信息。

虽然事情不算太大，但这篇论文的研究方向依然具备不小的价值。

论文讲了什么？

就论文来看，团队似乎想在「AI能上手游戏」这件事上更进一步，去探索：AI学习了大量游戏操作经验后，能不能举一反三，顺利上手更多没接触过的游戏？

训练时，团队以Qwen3.5视觉语言模型为基础，用游戏画面及对应键鼠操作记录继续训练模型，让模型学习在某个画面下应该采取什么动作。这个过程与真人玩家操作游戏有些相似：AI先看见画面，然后判断情况，再采取行动，而后根据接下来的画面继续调整。

具体来看，这项实验试图搞清楚三个问题：

第一，是不是模型越大，AI就越会玩游戏？——他们准备了四种不同规模的AI模型，参数量分别为8亿、20亿、90亿和270亿。一般来说，参数量越大，模型能够学习和处理复杂信息的潜力就越高，但运行成本通常也越高。

第二，AI学习的游戏数据越多，是不是越会玩游戏？——他们准备了不同规模的游戏训练数据，分别对应50小时、100小时、200小时、400小时、800小时和1600小时的游戏记录。

第三，学习的游戏越丰富，AI是不是越容易学会陌生游戏？——这次实验中，有的训练方案只使用《我的世界》的游戏操作数据，有的则混入了其他游戏数据，包括《Apex Legends》《反恐精英2》《绝地求生》《怪物猎人：荒野》等不同类型的产品。

这些是模型的学习材料

另外28款没有出现在训练数据中的游戏

被用于检验AI对陌生游戏操作的预测能力

而就实验结果来看，首先，模型越大，并不一定意味着AI越会玩游戏。

更大的模型通常可以用更少的游戏数据学习到更好的操作能力。有些大模型只需学习50小时的游戏数据，成绩就超过了学习1600小时的小模型。但这并不意味着无限扩大模型规模能解决所有问题。

因为当模型达到一定规模后，继续增加参数带来的收益可能越来越小。

而且，他们还发现了大型通用模型在学习操作游戏上的局限性：「脑子」跟得上，但「手速」难说。

在可暂停测试（AI思考、生成操作指令时，游戏会暂停，等它做出决定后，游戏再继续运行）中，Gemini-3.8-Flash表现相当出色；但在实时操作测试中（不暂停游戏），Gemini-3.8-Flash分数下降，GameScaling-9B-S3反而表现更好。

TP是time-paused，允许暂停

RT是real-time，不准暂停

之所以出现这样的结果，或许与模型的响应速度有关。大型通用模型虽然拥有更强的理解和推理能力，但也往往需要花费更多时间进行思考。

再者，Gemini是通过服务商API调用，GameScaling则运行在团队自己的服务器上。因此，成绩差异还可能受部署环境和响应时延影响。

在游戏允许暂停时，这不是什么问题。可一旦游戏持续运行，慢半拍的操作就可能错过最佳时机。

其次，AI学习的游戏越多样，面对相似的新游戏，就可能越「本当上手」。

团队发现，在最初几十小时的训练数据中，模型对键盘、鼠标操作的预测能力提升得很快。换句话说，它最开始主要是在学习怎么操纵游戏角色。即使面对没见过的游戏画面，它对键鼠操作的预测也会更加准确。

不过，经过前期学习后，如果继续让AI学习单款游戏的数据，它在其他游戏中的表现，不一定会随之提高——模型一直学习《我的世界》，会越来越熟悉《我的世界》的操作，这不意味着它能「玩」好其他游戏。

而让AI接触更多相似游戏，似乎有助于提升它在陌生游戏里的表现。

团队发现，同样使用1600小时的游戏数据进行训练，相比只学习《我的世界》的模型，那些学过多种游戏的模型，在OmniGameArena测试系统（7个基于虚幻引擎5构建的3D游戏环境，测试AI能否上手操作方式相似的3D游戏）里的综合得分，提高到了前者的约2.8倍。

也就是说，在操作方式存在相似之处的游戏之间，AI确实可以借鉴自己曾经学过的经验——打个比方，模型在《我的世界》和其他3D游戏中学会了怎样移动、转向和瞄准，再去接触另一款陌生的3D射击游戏，这些经验仍然可能派上用场。

那如果游戏跨度拉大呢？如果AI已经可以熟练上手3D游戏，那它能快速适应2D游戏吗？这就引出了最后一点：学习更多游戏，不意味着AI能适应所有游戏。

实验中的测试系统，除了MCU（《我的世界》，包含30项任务）、OmniGameArena以外，还有ViZDoom（《毁灭战士》，包含4个测试场景），以及GameWorld（包含34个游戏环境、170项任务，其中有不少2D、2.5D游戏，涉及街机跳跃、2048、推箱子等不同玩法）。

如果说从《我的世界》转向另一款3D射击游戏，是让AI尝试套用已学习到的信息，那么从《我的世界》转向2048，就更接近让它重新学习一套规则。

结果表明，AI没有那么擅长应对这种变化，还可能因此变得更难适应——

团队使用1600小时的《我的世界》游戏数据，继续训练一个270亿参数的模型。结果发现，虽然它在《我的世界》里的表现有所提升，但在《毁灭战士》、其他陌生3D游戏，以及一些2D、2.5D游戏的测试中，表现反而不如未经这轮训练的原始模型。

这意味着，对某款游戏的针对性训练，甚至可能削弱AI对其他游戏的适应能力。

在论文的最后，团队表示，现阶段的GameScaling仍存在明显局限。

当下，它主要通过模仿人类已有的游戏操作记录来学习。尽管经过训练的AI已经能独立操作游戏，但它还没有形成「自己尝试、犯错，再从失败中吸取教训」的自主学习循环。而遇到与训练材料差异很大的陌生游戏时，它的适应能力依然有限。

可能打眼看上去，这场实验只是让不同模型玩了一堆游戏，最终证明了「现在它们没法像人类那样快速理解规则、适应操作」这么一个简单的道理。但就长远来看，这个研究能否证明「AI可练成游戏熟手」，也许并不重要——探索模型规模、训练数据量和游戏种类，究竟会怎样影响AI的游戏操作能力，弄清楚什么方法有效，哪些方法失效，相当于给未来的研究提前铺了路，列出了待解决的问题。

毕竟，回头看这几年AI的发展，从威尔史密斯猎奇吃面，到AI吃面真假难分，技术迭代从来不是一蹴而就的。有时弄清楚一条路为什么走不通，往往会是迈向下一轮迭代的重要步骤。

米哈游的王道之路

在AI+游戏领域，如何让AI学会打游戏，一直是个热门的研究方向。

去年11月，字节跳动旗下的Lumine团队曾在B站放出了超过25小时的实录视频，主要展示AI游玩《原神》《崩坏：星穹铁道》和《鸣潮》的过程。在相关论文中，他们当时把自己称为「唯一能在3D开放世界中完成数小时任务的AI智能体」。

虽然在C端，Lumine并没有获得巨大的传播。但同样是AI领域的研究者，米哈游被字节拿自家游戏抢先做出成果、吸引流量，这也是有点令人哭笑不得……

可能很多人会觉得，让AI学会打游戏有什么含金量？但其实很多业界大佬都已达成共识，AI in Game的终极目标，是在虚拟世界中实现具身智能，并让智能体在长周期中实现自主目的，最终涌现出像《头号玩家》那样的虚实结合的世界，以及与之相关的新玩法。毕竟游戏比现实的成本低，又比模拟器更真实，且支持大规模的人类反馈，这天然就是助力实现AGI的试验场。

从这个角度看，这应该也是哪怕研究对游戏项目暂无直接帮助，米哈游崩坏项目组也愿意为它提供支持的原因——他们看重的，是它对整个行业AI+游戏研究的助力。

另外还想说一句题外话，我猜崩坏项目组愿意支持这样的项目，除了学术探究，也有吸引人才的考虑。

虽然游戏行业一向「有米选米」，所谓的「技术宅拯救世界」，也让不少技术大牛把米视为最值得加入的游戏公司。但放在更宏观的AI行业，米哈游面临的竞争就要激烈太多了。

在这个领域，互联网公司、AI公司甚至各行各业都在争抢人才，而且顶尖人才明显供小于求。某头部游戏公司老板说，大牛们在乎的很多东西，比如最夸张的薪资、写到合同里的海量显卡，游戏公司都很难向内部争取。甚至有候选人说得非常直白：“风口就这么几年，我只要用这几年赚够这辈子用的钱就行了。”

面对这种局势，如果一味和大厂硬碰硬，挖猎高端人才，再高的投入也砸不出多少水花。从高校寻找高潜人才，从头培养，大家共同成长才是正解——慢似乎是慢了点，但步伐会走得更加稳固。

从动作来看，近年来大伟哥不仅亲自在校招活动上发表演讲，米哈游也开始举办一些围绕AI做专项分享，主要面向在校学生的技术沙龙、学术酒吧活动。