基于游戏的 AGI 研究

课题背景：

• 1、战略级博弈与动态适应：在复杂多变的游戏环境中，实现超越反应式行为的长期战略规划与实时动态策略调整；
• 2、具身协作与有记忆的角色：构建具备长期记忆、情感状态与个性化成长轨迹的智能体，使其能在团队中扮演有深度、可持续互动的智慧角色；
• 3、通用能力测试场：将高保真、高复杂度的游戏环境定位为通向人工通用智能（AGI）的关键测试平台，探索智能体在感知、推理、决策与创造方面的综合能力边界。

课题价值：

• 1、竞技AI：开发具备职业选手级战术理解与操作水平的AI，用于玩家训练、平衡性测试及高端赛事；
• 2、叙事与生态AI：创造能够理解剧情背景、承载情感记忆并与玩家形成独特羁绊的NPC，以及驱动虚拟社会动态演化的生态AI，极大提升游戏沉浸感。

• 1、推动基础模型与游戏智能的融合：探索如何将大规模预训练的世界知识、推理能力与在复杂环境中的实时感知-动作闭环相结合；
• 2、攻克因果推理与可解释性：在游戏提供的清晰因果结构中，深入研究智能体如何避免“因果混淆”，建立对环境机制的可解释理解；
• 3、验证智能体泛化与迁移的极限：系统研究智能体在跨游戏、跨任务、跨模态情境下的泛化能力，为更广泛的机器人学与AI应用提供原理性启示。

• 1、包含但不限于计算机科学、人工智能、自动化、控制工程、模式识别、软件工程、信息工程、机器人学、认知科学、应用数学、统计学、运筹学等专业的博士和优秀硕士；
• 2、熟练掌握大语言模型（LLM）基本原理与应用，熟练掌握强化学习经典算法方法（PPO、DQN、MCTS等）；
• 3、熟悉PyTorch、Hugging Face Transformers、RLlib等至少一个主流深度学习或Agent开发框架，具备较强的工程实现与系统搭建能力；
• 4、熟悉Python编程语言，具备良好的软件工程素养，熟悉Linux开发环境；
• 5、加分项：在AI Agent、强化学习、NLP、游戏AI等相关领域发表过顶会/顶刊论文（如NeurIPS、ICML、ICLR、ACL、AAAI、CoRL等）；有游戏AI相关项目（如游戏Bot、自动化测试、智能NPC等）开发经验；有维护过具有一定影响力的开源项目。