第一作者谢云飞是莱斯大学博士生，导师为通讯作者魏晨教授，研究方向包括多模态生成与理解。 Project Leader 肖俊飞是约翰斯・霍普金斯大学博士生，导师为 Bloomberg Distinguished Professor Alan Yuille。 第二作者马崟淞是约翰斯・霍普金斯大学博士生。 图 1: 我们发现，只在例如贪吃蛇这种游戏上进行强化学习训练，模型就能涌现出领域外的泛化能力，在数学、多学科等多个任务上提高性能。 第三作者兰石懿是英伟达 Research Scientist。 最近，强化学习领域出现了一个颠覆性发现：研究人员不再需要大量数学训练样本，仅仅让 AI 玩简单游戏，就能显著提升其数学推理能力。 此前已有研究发现，即使不提供标准答案，仅用数学问题进行强化学习也能提高模型性能，这让人们开始重新思考强化学习的训练方式。而来自莱斯大学、约翰 斯・霍普金斯大学和英伟达的研究团队更进一步：他们让多模态大语言模型 (MLLM) 玩贪吃蛇等简单游戏，无需任何数学或多学科训练数据，就显著提升了模型 的多模态推理能力。研究团队提出了 ViGaL (Visual Game Learning) 方法，在多个 ...

故事的开始总是充满挑战。当我们将任务交给AI时，它就像一个刚刚出生的婴儿，对这个世界一无所 知。 我们要求AI用Python编写一个简单的"贪吃蛇"游戏，并让它自己玩游戏。 听起来是不是很简单？ 但其实，这只是一个开始。 AI的第一步是创建游戏。它需要理解游戏的规则：蛇如何移动，如何吃水果，如何避免撞到自己。这个 过程并不容易，但AI凭借其强大的计算能力，很快就给出了答案。它不仅成功创建了游戏，还编写了一 个脚本，让蛇能够自动移动并吃水果。 我们看着蛇在屏幕上自动移动，吃掉一个个水果，心中充满了惊喜。这只是一个简单的游戏，但对于AI 来说，这是一个巨大的进步。它不仅理解了游戏规则，还能够通过代码实现这些规则。这就像一个孩子 第一次学会走路，虽然还很笨拙，但已经迈出了重要的一步。 遇到挑战：AI的第一次失败 然而，事情并没有那么简单。我们决定增加一些难度，让游戏变得更加复杂。 我们在游戏中加入了陷 阱，每两秒会出现一个障碍物，蛇一旦撞到就会失去一部分身体。我们想看看AI是否能够应对这种新的 挑战。 结果并不理想。AI编写的脚本在面对陷阱时显得有些无能为力。蛇不断地撞到陷阱，失去了很多分数。 我们意识到，AI虽然 ...