- Lvx_Seraph2026-10-19
前两天在 B 站刷到一些人做的皇室战争 AI，但我对他们的模型架构和训练方法有点不太喜欢，于是就想着自己训练一个。
从 4B Qwen + 决策头开始，最终转向更紧凑的专用策略网络：CNN 编码空间局势，Entity Attention 建模单位交互，Temporal Transformer 保留因果时序记忆，再由自回归动作头联合决定出牌、落点与时机。
参数量缩小以后，真正需要设计的是：哪些信息值得保留，哪些关系需要显式建模，以及模型该如何利用过去的局面。
训练从约 2.95 亿有效状态帧的 IL 开始，再进入 PPO + GAE 的闭环对战。通用策略与卡组专精分别演化，通过交叉对战、自对战和困难对局采样继续更新。
环境侧，通过逆向 ARM64 libg.so，追踪战斗对象与命令队列，并将原生战斗逻辑接入独立 headless 宿主，支持按 tick 推进、回放重建和并行采样。
发了一个实战视频。IL+RL只训练了一天不到，从最一开始的设计到现在的这个版本用了大概2天时间，目前模型的能力比我预计的好很多。
后面会尝试一些更神秘的设计。
主楼 - mimanchi2026-10-19
- 杰特2026-10-19
- Lvx_Seraph2026-10-19
说肯定都是这么说，但好像确实，之前有几个开挂的要不是玩家反馈官方也一点动静没有
- 杰特2026-10-19
- Lvx_Seraph2026-10-19
感觉现在他的水平肯定不如你啦，等我后面RL多训练一些看看，这个RL应该只训练了2万场的对局
- mimanchi2026-10-19
其实我之前有想过要做一个自动玩这个的，我想的是电脑模拟器进行画面读取，然后交给ai分析，主要是我实在不太会ai的架构训练，所以我就搁置了这个想法
- 漁芋鱼2026-10-19
大力出奇迹，不太懂，之前b站有个都能上紫水晶了。现在好多人在搞这个，官方也有
- Lvx_Seraph2026-10-19
确实，我也是B站刷到的才开始做的，因为我觉得他们的模型还有很大的提升空间
- 白泽2026-10-19
我觉得llm不适合这种高频决策场景，传统的机器学习反而更好，之前很火那个 JAV 不知道适不适合来做这类决策
- Lvx_Seraph2026-10-19
我一开始就是要用qwen3加一个那种决策头，类似jav。因为当时jav刚刚出的那一天，我就有了这个想法，并且做了一个类似的半成品出来，不过llm训练消耗的资源太大了，而且似乎也不适合这种场景。
- fireflymoon2026-10-19
- LINCCC2026-10-19
皇室战争是不是训练比较方便啊，我看云顶之弈都没人搞ai，但是感觉也挺适合ai的
- Lvx_Seraph2026-10-19
