课题背景：攻克游戏具身智能体在纯视觉感知决策、长期记忆压缩、跨场景泛化、多模态知识迁移、推理加速、以及游戏通用智能量化评测中的核心技术瓶颈，构建不依赖游戏内部API、具备类人推理能力的通用“游戏大脑”。 1. 针对传统“黑箱”决策不可控及API依赖的局限，研发基于视觉-语言-动作（VLA）的端到端具身决策架构。探索纯视觉输入的毫秒级反应机制，替代传统的状态空间输入，解决感知与决策模块割裂的问题。通过引入思维链（CoT）推理增强模型的可解释性，使AI能像人类一样“看图决策”，并在强对抗环境下生成高层次的战术意图，而非仅输出底层操作指令； 2. 针对跨游戏、跨任务的零样本泛化难题，借鉴先进范式，研究基于大规模游戏视频预训练的通用基础模型。重点解决因游戏画面风格、规则逻辑差异巨大导致的表征坍塌问题，突破现有模型在新场景下的“灾难性遗忘”，实现智能体在未经微调情况下，于复杂PVP、开放世界环境中快速适应新模式、新地图及动态规则的能力； 3. 针对长周期复杂任务的规划与多模态融合挑战，研究面向3D开放世界的长期记忆递归压缩与动态知识图谱构建技术。解决在《和平精英》等大地图生存或解谜任务中，智能体因缺乏全局观导致的目标迷失问题。融合视觉、听觉及自然语言交互信息，提升多智能体协作时的意图理解与沟通效率，实现从单一技能执行向复杂长周期任务（如“搜集物资-跑毒-伏击-团战”）的自主规划； 4. 针对SFT数据分布覆盖不足导致的长尾泛化能力弱问题，引入离线强化学习（Offline RL）技术。重点研究基于静态数据集的策略优化方法，克服SFT仅拟合条件分布众数而无法泛化至分布外（OOD）边缘Case的缺陷。通过引入反事实数据增强与生成式场景合成技术，挖掘“失败/次优数据”中的隐含知识，从而显著提升智能体在极端对抗环境下的鲁棒性与决策下限。 5. 针对AI行为的可控性与安全对齐，构建基于人类反馈的强化学习（RLHF）及价值观对齐框架。解决高自主性AI在开放环境中产生作弊行为或“幻觉”决策的风险，建立可量化的AI行为自动化评估体系，确保智能体在提升操作上限的同时，行为模式符合人类玩家的认知习惯与游戏规则，实现人机协同共创的沉浸式体验。

课题要求：1. 学历背景：计算机科学、人工智能、机器人等相关专业硕士或博士学位，具备扎实的数理基础与良好的英语读写能力。 2. 大模型与多模态能力：深入理解Transformer、Diffusion等主流生成式模型架构；在视觉-语言-动作（VLA）、多模态大模型（LMM）或世界动作模型（WAM, World Action Model）方面有深入研究，熟悉指令微调（SFT）及RLHF/RLAIF等强化学习对齐技术。 3. 游戏AI与决策智能：熟悉强化学习（尤其是Offline RL、Imitation Learning）在复杂环境中的应用，了解长周期任务规划（Long-horizon Planning）的相关算法，有游戏AI（如FPS、SOC）相关研究经历者优先。 4. 工程实践与性能优化：精通Python及PyTorch框架，具备大规模分布式训练（DDP/FSDP/Megatron）及高性能推理部署（vLLM/TensorRT-LLM）经验；熟悉CUDA编程及算子优化，能熟练解决显存瓶颈与计算加速问题。 5. 综合素质：具备极强的自驱力与科研前瞻性，能将前沿Paper快速复现并转化为技术原型；拥有优秀的逻辑思维与团队协作能力。 6. 学术成果：在NeurIPS、CVPR、ICCV、ICLR等顶级会议以第一作者发表过高相关度论文，或在Kaggle、NeurIPS竞赛中获得优异成绩者优先。