研究团队指出，目前的 AI 模型保存明显的功效鸿沟，以游戏为取向的 AI 能正常游玩但无法理解自己所做的决策，而语言模型虽然可以推理战略，但很难真正执行操作，为此他们研发了全新 TiG 框架，让模型在游戏中同步思考、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，胜负回数均衡，AI 模型们必须要在每个界说好的场景下选择最佳战略，并解释其战略缘由。

具体来说，训练分为两个阶段，首先是在监督中学习，弄清楚这些战略的基本机制；随后通过奖励机制进行强化学习，如果行动正确能得 1 分，过失行动则得 0 分。

随后团队测试了多种语言模型，涵盖 Qwen2.5（7B、14B、32B）、Qwen3-14B 模型，并使用 DeepSeek-R1 大模型作为比照组；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）技术，比较差别战略之间的优劣。

最终经过 TiG 框架训练的模型不但能制定行动计划，还能解释原因，例如 AI 会指出某个防御塔防守薄弱，是理想的进攻目标，但需要注意埋伏的仇人。模型训练后仍坚持原有的文本理解、数学推理与问答能力。

最终测试结果如下：

• 比照组 DeepSeek-R1：决策准确率达 86.67%