腾讯游戏通用智能体算法研究

课题背景 游戏正成为多模态智能体的重要验证环境，业界开始探索智能体在3D虚拟场景中的感知、理解、规划与操作能力。VLA框架为统一建模游戏中的视觉感知、语言理解与动作控制提供了新路径，但在真实游戏场景落地中仍面临实时性不足、长短期任务难统一建模、指令遵循不稳定、跨游戏泛化能力弱等问题。 课题内容及挑战 本课题聚焦面向游戏的实时通用智能体，研究适用于复杂交互场景的统一模型与框架，重点提升模型的低时延决策、长程任务执行、自然语言指令遵循和跨游戏迁移能力，探索可在多种游戏中复用的实时决策机制，形成兼顾响应速度、任务完成度、控制稳定性与泛化表现的通用游戏智能体原型。 研究方向

1. 实时通用游戏智能体模型与框架；
2. 面向跨游戏迁移的游戏基础模型；
3. 结合世界模型的实时规划与交互方法；
4. 面向通用游戏智能体的Benchmark构建。

1. 人工智能、计算机科学、数学或相关专业；有顶会一作论文或知名开源项目优先；
2. 熟练掌握主流深度学习框架，具备扎实的编程能力和工程实现能力，能够独立完成前沿论文复现、优化与落地；
3. 具备以下任一方向经验者优先： 1）具身智能方向：对VLA、WAM等相关技术有较深入理解，具备感知、决策、动作一体化建模相关研究或实践经验； 2）模型训练方向：具备大规模预训练、微调或后训练经验，有多模态大模型相关训练、优化或应用经验； 3）强化学习方向：具备强化学习、模仿学习、基于模型的规划或决策优化相关研究或实践经验；
4. 具备较强的研究能力，有高质量论文发表或开源项目经验者优先；对游戏Agent、具身智能、世界模型、强化学习等方向有浓厚兴趣，具备良好的研究推进能力和沟通协作能力；
5. 加分项：热爱游戏行业，熟悉多类型游戏。