AI玩贪吃蛇学会数学推理不学数学也能懂数学推理

玩会儿贪吃蛇和俄罗斯方块，AI居然就把数学推理给学会了？

传统上，要想让AI学会某个领域的知识，就得给它喂一大堆那个领域的数据。

来自莱斯大学、约翰霍普金斯大学和英伟达的研究人员，提出了一种名为“视觉游戏学习”的后训练范式，让模型在玩游戏的过程中，就掌握了跨领域多模态推理。【图1】

这道理其实不难理解，就像我们人类玩游戏能锻炼反应和思维一样，这些游戏成了AI的“训练营”，让它在玩乐中提升各种能力。

研究团队专门设计了两款游戏环境，用来训练不同类型的思维。他们以Qwen2.5-VL-7B模型为基础进行了训练：【图2】

- 贪吃蛇：模型在10x10的网格里控制两条蛇去抢苹果。

- 旋转游戏：这个灵感来自俄罗斯方块，模型需要从不同角度观察3D物体，并识别它们在旋转90度或180度后的样子。

实验结果显示，经过《贪吃蛇》和旋转问题训练后，基础模型以50.6%的准确率略微领先专攻数学数据的MM-Eureka-Qwen-7B模型（50.1%）。【图3】

在更难的数学题上，这个小规模再训练模型以64.7%的准确率超越GPT-4o（55.9%）。【图4】

不过，在通用任务上，ViGaL的表现暂时还是落后于基础模型，与GPT-4o也有几个百分点的差距。【图5】

最后，研究人员让ViGaL挑战与其训练环境迥异的Atari游戏，其得分近乎达到基础模型的两倍，展现出了显著的零样本泛化能力。【图6】

值得一提的是，研究团队还发现，用带奖励的强化学习来训练模型，在数学推理和几何任务上效果显著，性能提升了12.3%。

而如果用相同游戏数据进行传统的“监督微调”，反而会使准确率下降1.9%。

感兴趣的朋友，可以阅读论文原文：