（来源：上观新闻）
腾讯AI L🇲🇲🤺ab的Ti⛲G（T🏘👩🏫hink in 🥍🇳🇺Games🧞♂️🙋）项目，展示了游🌠戏规则🧚♂️👨👩👧👧环境如何赋能大语↔🏬言模型从“解🚵😆释者”到“🌌🔼执行者”的🇬🇭进化🇵🇸⛱。。我们做过实验：🥀🌵机器人在一个环境🐓🦉里反复🥿执行相似任务，🇱🇷🥋每次失败🚥后从记忆里学习🇬🇪🛠，任务精👩👦👩🔬度持续提升，最😈👞高能提🇰🇪👩👧升超过20个🇶🇦百分点🇻🇺。
”他对记者表示，👷♀️🐊但神经网络的🏷本质是对人🌷脑工作机制的逆向🤸♂️🍪工程化🍊。这两条线🧡🌫索放在一😖起，一个根本性的🦆问题浮出水面🛳📤：中国的AI🚏创业，到🚖底该走“⚽🐄全球分工”的🦓🇨🇲出海路径，还是“🔍内循环”的自主可0️⃣控路径？👩👧🇰🇼 Man🇻🇺us选择前者，用👇🈵全球化分工的逻辑😖🚟快速兑现了商业价📮值，但最终在🌒🌠安全审查的框🌦架下被迫让🇳🇮🅰步👩👧👦。
其复杂度接近真🌵🎵实世界，避🔲免了过度简化1️⃣🌷的测试环👫🚡境；确定的游戏♑机制和高随机性的🇨🇱🛡地图，🐟🥔便于对比🈚👞不同模型间的😟空间感知和推理👶♎能力；多维👀🦵度评估可从🚛探索、规👨🍳划、推理等多个角🛂度评估空🇫🇲🤧间感知能力；🐭相比真实世界，💝🇵🇷游戏环境提供了低☔🐰成本的试验场🎪🇸🇭。然而，该平台也🇮🇩存在一定的局限性🎌：游戏🧭空间采用离😇🎐散的网格化表示，💤ℹ与真实世界的🧟♂️连续空间存在◀差异；符号化表📷🧣征的A🍹🇪🇹SCII字符输🇦🇿🍄入与真实🖇💯视觉感知存在较🌭✒大差距；仅🎆♉提供单智能体🦈👨✈️场景，缺少多智能🐊体协作测试，因此🕋，其场景的泛化能👧🌫力有待🛀🇻🇦验证🐯。
