北大与三星论文提出 TORSI：慢推理模型离线教练快模型
北大三星论文：慢推理模型离线教练快模型
北京大学与三星的论文提出 TORSI，让慢推理模型在局间研究快模型的失败并写出指令，供快模型在实时游戏中执行。在 RealtimeBench 的 180 个任务、6 类游戏中，两轮后 Jev 平均分从 13.51 升至 24.19，6 类游戏全部提升。
Rohan Paul· @rohanpaul_ai · X·2026-10-17 03:13· 2 小时前AI 评分43
AI 导读
北京大学与三星的论文提出 TORSI，让慢推理模型在局间研究快模型的失败并写出指令，供快模型在实时游戏中执行，两轮后 Jev 平均分从 13.51 升至 24.19，6 类游戏全部提升。
正文
北京大学与三星的新论文表明，慢推理模型可以离线指导快模型，将其实时游戏得分从 13.51 提升至 24.19。
表明在暂停的游戏中更强的推理模型，一旦游戏持续运行，就可能远远落后于更快的模型。
许多游戏评估在模型思考时暂停世界，因此慢速回答没有代价。在真实环境中，正确的动作可能来得太晚。
他们构建了 RealtimeBench，包含 6 款游戏（如马里奥、贪吃蛇和俄罗斯方块）中的 180 个任务，这些游戏在推理期间持续运行。暂停时，GPT-6.1-sol 在 6 款游戏中的 5 款击败了更快的 Jev，但实时得分仅为 1.51，而 Jev 为 13.51（满分 100）。
他们的解决方案 TORSI 让慢模型在游戏之间研究快模型的失败，并写出指令供快模型在游戏过程中遵循。经过 2 轮后，Jev 的平均得分从 13.51 升至 24.19，6 类游戏全部提升。
对于实时智能体，让快模型留在循环中，并使用慢模型离线编写和测试其指令。
来源：Rohan Paul · x.com
来源：RadarAI · aihot.news