混元多模态-混元GameMate多模态AI伙伴系统研究

课题背景： 大模型正从对话助手走向能感知、记忆、规划并行动的智能伙伴。混元GameMate探索的是多模态决策大模型驱动的游戏AI伙伴——不只是会对话的NPC，而是能在实时开放环境中理解局势、协同决策、形成记忆，并以伙伴身份融入用户体验的智能体。相关成果已在《和平精英》等头部游戏正式服规模化上线并获得良好反馈。本课题面向下一代智能体技术，探索可长期陪伴、可规模部署、可持续进化的游戏AI伙伴。 课题挑战：

1. 01

   多模态决策与长期伙伴关系：实时局势理解、战术推理与长程规划、长期记忆建模、个性化关系与情感交互，使智能体兼具高智商与高情商；

2. 02

   真实部署约束下的智能体能力保持：轻量化模型的高阶能力涌现、低成本推理与Agentic RL，在严格时延与资源约束下维持决策与交互效果；

3. 03

   可泛化Agent架构与持续进化：跨游戏场景可复用的Skill/Harness框架，以及从真实用户反馈驱动的评测-训练-上线迭代数据飞轮。 具体工作： 参与多模态感知与世界建模、Lifelong Memory、Agentic RL与长程规划、Skill化执行架构、高情商对话与陪伴、原生Agent系统与评测闭环等方向研究与落地。

1. 01

   包含但不限于计算机科学、人工智能、强化学习、多模态学习等相关方向的博士/硕士同学；

2. 02

   熟悉LLM/VLM、Agent、RL或推理优化，掌握Python/PyTorch，有顶会论文发表或开源Agent项目经验者优先；

3. 03

   软性素质要求： 自驱力强，具备研究好奇心和工程落地意识，喜欢游戏者更佳。