AI战队复盘五轮 胜率从0%到100%

在近期一场物理AI相关的行业活动中，一场极具代表性的演示引发了关注：一支由AI控制的多人在线战术竞技（MOBA）队伍，开局时完全无法战胜游戏内置的人机，连一局胜利都无法取得。但经过AI教练仅五轮的复盘调整后，这支队伍的胜率直接从0%提升至100%，实现了完美的逆袭。

值得注意的是，整个过程中，AI教练并未对任何模型进行重新训练，每一轮的新战术版本，都是教练自主修改战术手册、调整决策规则与执行代码的结果，仅通过系统层面的迭代实现了队伍的快速成长。

在这场演示的旁边，另一项同步进行的展示也体现了AI进化的另一条路径：一条仿真机械臂在执行抓取任务的同时，实时调整自身模型的参数，最快每30分钟就能完成一轮迭代，实现技能的自主提升。

这套将数字智能与物理实体结合的思路，被称为“万物共脑”，核心目标是让AI从数字空间延伸至物理世界，解决传统模型难以应对的实时决策与实体交互问题。

传统的大型语言模型就像只会深度思考的司机，虽具备强大的推理能力，但反应速度偏慢，而物理世界没有“撤回键”，决策延迟很容易导致任务失败。因此，相关团队没有追求更大的模型，而是参考人体的认知分工，搭建了一套名为Agnes Harness的开源智能基础设施，这套系统包含六大核心模块：

• 大脑（大语言模型）：负责理解复杂问题与长期推理，单次推理耗时约1.7秒；
• 小脑（快速决策模型）：在有限选项中快速做出判断，响应速度仅0.23秒，比传统大模型快约7倍，遇到不确定的情况再交由大脑处理；
• 反射弧（工作流）：将固定的标准动作整理为预设流程，触发后立即执行，不占用核心算力；
• 记忆与自主循环：管理上下文信息与历史经验，推动系统自主完成“感知-思考-行动”的循环；
• 学习能力（RSI/TTT）：RSI让系统自主改进做事方法，TTT让模型在执行任务的过程中边做边学，越用越强；
• 身体（模型硬件标准）：为AI接入物理世界提供统一接口，机器人、小车、相机等实体都能通过标准化方式连接。

刚才的两项演示，正是基于这套系统的学习能力展开的两种进化路径：MOBA队伍的提升属于系统层面的RSI进化，仅修改战术手册而不改变模型本身；机械臂的技能提升则属于模型层面的TTT进化，直接更新模型的参数。两者结合，形成了“双进化智能系统”的核心能力。

在RSI进化的具体实践中，那支MOBA队伍的结构完全参照职业电竞战队：队伍中的“指挥”对应大模型，每约30秒确定一次整体方向；“选手”对应快速决策模型，每个英雄的决策仅需约2秒；而基础的走位、普攻、技能释放则由战术手册中的代码执行，每秒可触发5次。

场下的AI教练则在每局结束后介入，通过查看无战争迷雾的完整比赛录像，分析队伍的表现并调整战术手册——它仅能修改战术相关的内容，不会触碰任何模型参数。

从最初的零胜开始，教练推出的第一版战术帮助队伍拿下首胜，胜率达到42%；第二版胜率升至63%，第三版为90%；到第四版时，队伍开始追求更快的节奏，单局时长从约17分钟缩短至14分钟；第五版战术则实现了100%的胜率，且后续版本仍在持续迭代，要求必须战胜上一版才能保留，让队伍的能力不断提升。

除了5v5的演示，相关团队还在实验中记录了1v1与3v3的情况：3v3队伍从零开始，完全没有借鉴1v1的经验，开局打了192局无一胜绩；1v1的初始胜率仅为3%。

针对3v3队伍，教练通过三轮复盘调整：第一轮发现近80%的存活时间里英雄血量充足却待在基地，于是调整撤退规则，将撤退改为兜底选项，要求英雄脱离危险后立即回线；第二轮发现指挥下达撤退指令时，73%的选手会选择兜底动作，因此取消“回血”这类泛化指令，改为为每个英雄制定具体动作；第三轮发现队伍在敌方全灭、两座塔被摧毁的情况下仍在发育，于是新增规则要求敌人全灭后立即清兵推塔。三轮调整后，3v3队伍的胜率从0提升至60%。

1v1队伍则经过多轮调整，胜率从3%提升至90%。不过，新战术版本需要通过多轮验证才能上场：包括代码安全检查、与现役版本对打24局、挑战历代最强版本、更换陌生英雄对战、对内置Bot对战48局。即使是完全复刻现役版本，通过率也仅为1%，因此1v1实验中教练编写了111个候选战术，最终仅4个通过验证。整个实验的成本仅约33美元，效率极高。

而在机械臂的TTT进化路径中，传统模型部署后参数基本固定，遇到新情况无法快速学习，往往需要几周的时间重新训练，还需要人工调参。而这套系统采用了测试时训练（TTT）的方法，将数据采集、训练与推理整合到同一个任务循环中，让机械臂在工作的同时，模型实时调整权重参数。

在仿真演示中，机械臂需要将红色方块放入蓝色目标盘，每一步错误都算失败。系统会采集机械臂的运动轨迹，剔除空抓、掉落等无效动作，仅用成功轨迹的有效步骤训练模型，训练完成后用测试集验证：如果通过就直接更新模型，不调整系统；如果没通过，系统会将抓取任务拆分为更细的步骤，重新采集轨迹并调整模型参数。

这种方式下，机械臂的任务成功率从约30%提升至约90%，每轮迭代的时间从按周计算压缩到最快30分钟至1小时。相关研究人员表示，这套方法将数据采集、训练与推理整合，在特定条件下实现了模型的快速迭代。

要让进化后的AI真正走进物理世界，还需要解决不同设备的协议差异问题——传统上每接入一台设备都需要重写底层代码。为此，相关团队制定了MHS模型硬件标准，设备接入后先到中枢登记状态、能力与可提供的数据，之后大模型无需修改设备底层代码，仅用7个通用工具就能统一指挥各类设备。

在演示中，小型车辆与机器狗接入系统后，调度Agent可以通过摄像头确认两台设备的位置，指挥它们互相问好、播放音乐、跟随节拍跳舞；在模拟火星基地场景中，12台设备同时在线，由同一个Agent调度，完成救援、陨石应对等任务，决策速度仅0.6秒，准确率达87%。

为了保障安全，系统设定了严格的规则：任何设备都必须接受停止指令，一旦断开连接，1秒内必须停止所有动作，紧急控制由设备自身负责。在相关行业展台上，机器狗、轮式机器人等设备都接入了这套系统，实现了跨设备的协同。

除了实验室演示，这套技术还被应用到实际的企业业务中，对应的是FDE前线交付工程模块。工程师会进入企业现场，将业务查询转化为插件，将判断规则转化为可复用的组件，每家企业的个性化需求通过插件实现，执行由系统负责，验证后的能力可以像搭乐高一样复用。

展台上的FDE区域展示了多个行业的案例，包括AIGC、医疗、环保等，其中环保领域的案例是将环保专家的经验转化为AI产品。此外，团队还与其他企业合作探索电力作业场景，由这套系统负责视觉理解与任务推理，实现机器人的自动执行。

在相关企业看来，未来的AI需要能够真正参与现实世界的事务，而这套技术正是通往通用人工智能（AGI）的重要路径。目前，该企业的模型已经拥有庞大的调用量，从MOBA游戏到物理实体调度，都在验证这套系统的能力，而在相关行业的展台上，物理AI的探索才刚刚开始。