米哈游发布8B参数VLA模型Gamer 可自主玩崩铁50小时
米哈游崩坏AI研发团队发布8B参数通用视觉—语言—动作(VLA)基础模型Gamer,基于Qwen3-VL-8B训练,可仅凭屏幕画面、任务指令和已有记忆自主操作键鼠,无需读取游戏内部接口。在覆盖《崩坏:星穹铁道》五个主线篇章、约50小时的长流程评估中,其自主运行时间占比超过95%。团队采用持续预训练、监督微调与在线强化学习三阶段训练,并设计“稀疏思考”和记忆摘要机制以应对长流程中的推理延迟与上下文膨胀。跨游戏测试中,Gamer-8B-CPT在四项公共基准平均得分29.5,高于所列通用模型最高17.6;在40个未参与训练的小游戏任务中,经强化学习后成功率达49.7%,对比通用模型最高17.1%。团队称相关能力有望用于自动化测试与游戏迭代。