Nhóm nghiên cứu AI Honkai của miHoYo, phối hợp với Đại học Thanh Hoa, Đại học Khoa học và Công nghệ Trung Quốc (UCAS), Đại học Hồng Kông cùng một số đơn vị khác, vừa công bố GameScaling, một bộ mô hình tác tử chơi game xuất trực tiếp thao tác bàn phím và chuột. Bài báo được đăng lên arXiv ngày 20/10; trọng số mô hình và ứng dụng khách suy luận đã được mở công khai trên Hugging Face và GitHub, theo giấy phép Apache-2.0.
Mô hình lấy mô hình thị giác-ngôn ngữ Qwen3.5 của Alibaba làm nền, rồi tiếp tục huấn luyện trước trên video chơi game có kèm nhật ký phím và chuột. Chỉ cần đưa vào vài khung hình, mô hình sẽ trả lời nên bấm những phím nào và di chuột về đâu ngay sau đó.
Cách mã hóa thao tác
Mỗi lần gọi, mô hình xuất ra các thao tác cho 200 mili giây tiếp theo, tách thành 6 bước, mỗi bước 33 mili giây, cộng thêm độ dịch chuyển chuột và con lăn cho cả khối thời gian đó. Độ dịch chuyển chuột được biểu diễn theo phần nghìn, giới hạn trong khoảng cộng trừ 1000; con lăn giới hạn trong khoảng cộng trừ 5; mỗi bước có thể nhấn đồng thời tối đa 4 phím, và bảng phím dùng trong huấn luyện gồm 74 phím.
Mô hình có thể suy nghĩ rồi mới hành động, hoặc xuất thao tác ngay, tùy việc có điền sẵn thẻ <think> hay không. Dự án khuyến nghị triển khai bằng vLLM, mỗi yêu cầu mang tối đa 8 hình ảnh; mặc định là 5 khung hình lịch sử cộng 1 khung hình hiện tại.
Quy mô có bốn mức: 0,8B, 2B, 9B và 27B. Ba mức đầu chạy được trên một thẻ đồ họa; trọng số bfloat16 của bản 27B nặng khoảng 54,7 GB nên cần hai thẻ chạy song song tensor. Mỗi mức lại có hai phiên bản S1 và S3: S1 chỉ dùng dữ liệu Minecraft, còn S3 là hỗn hợp cân bằng, trong đó Minecraft chiếm 27% và phần còn lại đến từ các game khác, tổng cộng 8 checkpoint.
Quy luật rút ra từ 120 cấu hình
Phần trọng tâm của bài báo là các thí nghiệm mở rộng quy mô. Nhóm tác giả thiết kế 120 cấu hình huấn luyện theo ba hướng: lượng dữ liệu, độ đa dạng và quy mô mô hình. Ngân sách dữ liệu chia thành 6 mức, từ 50 giờ đến 1.600 giờ, cùng 5 phương án pha trộn dữ liệu.
Kết luận gồm nhiều lớp. Dữ liệu càng nhiều thì kết quả trong cùng một game càng tốt; độ đa dạng giúp mô hình chuyển sang các game gần giống, nhưng khi đổi sang thế giới khác biệt lớn thì mức cải thiện khá hạn chế. Khi chỉ huấn luyện trên một game, mô hình lớn hơn giúp tăng hiệu quả dữ liệu, nhưng lại khó khái quát hóa sang những game xa hơn.
Quá trình huấn luyện còn tách thành hai giai đoạn. Giai đoạn đầu là "giai đoạn giao diện", khi mô hình học cách điều khiển phím và chuột, và phần lợi ích này dùng chung được giữa các game; giai đoạn sau là "giai đoạn thế giới", khi lợi ích thu hẹp lại trong cùng một game và các game gần giống. Dựa trên đó, nhóm tác giả khớp được các quy luật mở rộng thực nghiệm giữa tổn thất kiểm định và ba biến số nói trên, đồng thời cho biết mô hình trong thế giới 3D có thể sánh ngang với mô hình chuyên biệt cho Minecraft và các mô hình tiên phong, với kết quả tốt nhất ở các tình huống thời gian thực.
Phần kết của bài báo cũng nói thẳng: học bắt chước có trần, khoảng cách ở những thế giới xa vẫn còn đó, và muốn làm tác tử thể hiện tổng quát thì chỉ tiếp tục huấn luyện trước là chưa đủ.
Nhà phát triển trong nước dùng được đến đâu
Bộ mô hình này mang lại vài thuận lợi sẵn có cho các nhóm ở Trung Quốc. Nền tảng là Qwen3.5, bộ công cụ triển khai trên đám mây trong nước và triển khai cục bộ đều đã quen thuộc; theo giấy phép Apache-2.0, trọng số và mã suy luận có thể được chỉnh sửa và tích hợp.
Các giới hạn cũng được nêu rõ. Kho mã không có mã huấn luyện, kho dữ liệu huấn luyện không công khai, dữ liệu hình ảnh game không được phát hành, bản quyền game thuộc về từng nhà phát hành và giấy phép không cấp quyền sử dụng bất kỳ nội dung game nào. Dự án tuyên bố chỉ dành cho nghiên cứu, không phục vụ hoạt động thương mại; bản thân bài báo trên arXiv dùng giấy phép CC BY-NC-SA 4.0, là một bộ giấy phép khác với Apache-2.0 của mô hình, nên các nhóm định thương mại hóa cần xem xét riêng từng phần.
Về tình huống cụ thể, những nhóm muốn làm kiểm thử game tự động, bot chơi cùng hoặc nghiên cứu tác tử thể hiện có thể thử ngay bản 0,8B hoặc 2B trên một thẻ đồ họa để xem mô hình đi được đến đâu trong game của mình. Nếu muốn huấn luyện tiếp bằng dữ liệu riêng trên nền này, họ sẽ phải tự bổ sung quy trình huấn luyện.
README không liệt kê đầy đủ danh sách game được hỗ trợ; trong các ví dụ chỉ có Minecraft và màn chơi Doom của ViZDoom. Còn mô hình hoạt động ra sao trong các game của chính miHoYo thì cả bài báo lẫn kho mã đều không nhắc tới.
Nguồn tham khảo: trang bài báo trên arXiv, CocoLoop, kho GitHub của GameScaling; README của kho mã được dùng để đối chiếu số lượng checkpoint, dung lượng trọng số và định dạng mã hóa thao tác.