米哈游等团队研究：只用《我的世界系列》数据训练AI智能体泛化能力较差
该预印本于2026年10月20日发布，研究中还对比了Qwen3.5预训练模型与多款通用AI在实时游戏中的表现。
包括米哈游崩坏AI研发团队在内的研究团队于2026年10月20日发布预印本论文《Scaling in Games: Continued Pre-Training For Embodied Agents In Diverse Virtual Worlds》，研究结果显示，仅使用《我的世界系列》数据训练的AI智能体，难以泛化到其他游戏中，而使用多样化游戏数据进行训练则能提升表现。该消息由automaton-media.com报道。
研究使用阿里巴巴的多模态AI Qwen3.5，在79个游戏数据集、50至1600小时的游戏数据上进行持续预训练，并设置了120组受控实验，分别调整模型规模、数据量和《我的世界系列》数据所占比例，共涵盖5种设定。
结果显示，仅用《我的世界系列》数据训练的模型在综合验证损失上停止改善甚至变差，在包括ViZDoom在内的基准测试中得分在5种设定中最低。相反，在1600小时训练数据下，使用多样化游戏数据训练的模型平均OGA得分约为仅用《我的世界系列》数据训练模型的2.8倍。
研究还发现，模型在训练数据中占比很小的《毀滅戰士》上表现也有所提升，但在2D和2.5D的GameWorld基准测试中，模型未能稳定超越预训练基线。
在实时测试中，研究团队的模型在《我的世界系列》等部分游戏上表现优于GPT-5.6 Sol、Claude Opus 5.0和Gemini-3.8-Flash等通用AI，但在非实时条件下，这些通用AI得分更高。论文作者包括共同第一作者Kuan Zhang、Yukun Chen和Zhihao Yang。参与单位还有清华大学、中国科学院大学、香港大学、新加坡国立大学和北京大学。
快速问答
这项研究是谁做的？
研究团队包括米哈游崩坏AI研发团队，以及清华大学、中国科学院大学、香港大学、新加坡国立大学和北京大学的研究人员。
研究得出了什么结论？
仅用《我的世界系列》数据训练的模型泛化能力较差，而使用79个游戏数据集进行多样化训练后，模型在未见过的3D游戏上表现提升，平均OGA得分约为前者的2.8倍。
研究使用了哪个AI模型？
研究基于阿里巴巴的多模态AI Qwen3.5进行持续预训练，并与GPT-5.6 Sol、Claude Opus 5.0和Gemini-3.8-Flash等通用AI进行了对比。