米哈游发布8B参数VLA论文,实现50小时自主运行
米哈游近日发表一篇VLA(视觉-语言-动作)模型论文,模型规模为8B参数,并实现50小时自主运行。这一进展意味着游戏公司正将AI研究延伸至具身智能与长时程自主任务领域,8B参数在同类模型中属于中等偏上规模,而50小时连续运行则指向稳定性与长时任务能力的验证。对关注具身智能和多模态Agent的开发者而言,该论文提供了来自非传统AI厂商的技术路线参考。
米哈游以游戏业务闻名,此次发表VLA论文,说明其AI研究布局已从内容生成扩展到具身智能方向。VLA模型的核心是把视觉感知、语言理解和动作输出统一到一个模型中,通常用于机器人操作、游戏内智能体等需要「看懂环境并采取行动」的场景。本次公开的关键信息有两点:一是模型规模为8B参数,这一量级在开源VLA模型中处于中等偏上,兼顾能力与部署成本;二是实现50小时自主运行,长时程连续运行考验的是模型在真实或仿真环境中的稳定性、错误恢复能力与记忆管理,而非单次任务成功率。对行业而言,游戏公司拥有大量交互数据和仿真环境,天然适合训练具身智能体,米哈游的入局表明具身智能的参与者正从机器人厂商、大模型公司扩展到内容与游戏企业。不过,论文的具体任务类型、评测基准与开源情况尚未在摘要中体现,实际能力仍需以论文细节为准。这意味着VLA赛道的竞争正在向「长时自主」这一更贴近落地的指标收敛,而非仅比拼参数规模。
对普通用户的影响
普通用户短期内感知不到变化,但可关注米哈游后续是否将相关能力用于游戏NPC或虚拟角色。开发者建议直接读论文,重点看50小时运行的任务设定、失败恢复机制和是否开源权重,判断能否复用到自己的Agent或机器人项目。
本文编译自「量子位」,点击查看原始报道。
查看原始报道 ↗