长久以来，大模型的能力训练高度依赖数学、代码等正式结构化任务，擅长标准化推理与生成，却普遍存在规划能力薄弱、创造力不足、社交智能欠缺、决策固化等短板。而人类智能的成长，不仅依靠系统教学，更源于生活、游戏中的非正式试错与互动学习。近期多篇arXiv重磅研究打破传统训练思路，证实游戏是训练、观测、升级大模型智能的绝佳沙盒，层层解锁AI从学习规则、运用规则到自主创造规则的三级进化，为通用大模型迭代提供全新路径。
一、学规则：以游戏做非正式训练，大幅提升模型通用能力
传统大模型混合训练模式，是将数学、博弈、社交等多任务独立训练叠加，极易出现任务竞争、梯度混乱的问题。单一任务可以快速冲高分数，但模型会出现严重“偏科”，领域外泛化能力不升反降，推理、创意、社交等通用能力持续疲软。
2026年1月arXiv发布的GIFT研究（Games as Informal Training for Generalizable LLMs），创新性提出将游戏作为AI的非正式学习场景，对标人类孩童在游戏中习得能力的成长逻辑，打造全新训练体系。研究团队精选三类差异化游戏，精准对应大模型核心短板能力，搭配数学推理任务形成完整训练体系：
1. 矩阵博弈（囚徒困境）：锤炼抽象推理与利益权衡能力；
2. 井字棋多轮博弈：训练序列决策、长线规划能力；
3. 谁是卧底社交博弈：打磨语言互动、社交理解与共情能力。
同时，研究摒弃传统混合训练模式，独创CST协调子任务交替训练（嵌套训练框架）。不再独立拆分任务训练，而是让模型按“解数学题—博弈对战—社交互动”的连贯顺序完成全流程任务，只有全程各项表现均衡，才能获取最高奖励。
实验数据印证了该模式的绝对优势：传统混合训练单一领域冲高但通用能力倒退，而嵌套训练能实现领域能力、通用能力同步稳步增长。训练过程梯度稳定、熵值更高，有效规避任务干扰，让模型在MMLU推理、创意写作、社交问答等跨领域任务中，实现稳健可持续的性能提升，真正学会举一反三的通用智能。
二、用规则：飞行棋实验曝光AI隐藏性格，决策极具人性特质
如果说GIFT研究证明了“游戏能训练AI变强”，2026年4月的LUDOBENCH研究则进一步揭开大模型的底层决策逻辑：AI不仅会玩游戏，还拥有独特性格、执念与情绪倾向，游戏成为观测AI智能特质的“微观窗口”。
研究团队以大众熟知的飞行棋为实验载体，搭建包含480个定制棋局、12类决策场景的标准化测试基准，覆盖随机骰子机制、吃子博弈、安全走位、终点推进等复杂策略场景，系统性测试Qwen、DeepSeek、Claude、Llama等六大主流大模型。
实验得出颠覆性结论：所有大模型与博弈论最优策略的吻合度仅40%-46%，超半数决策存在战略偏差。更有趣的是，模型天然分化为两种固定人格，无法兼顾全局：
1. 完成型（Finishers）：执着于将已出场棋子送至终点，忽视前期发育铺垫；
2. 建设型（Builders）：专注解锁出场新棋子，却始终无法完成收官。
研究还发现大模型存在显著的“情绪化决策”特质：完全相同的棋盘局势，只要加入“对手击落我方棋子”的叙事铺垫，模型超33%概率会改变最优决策，做出报复性操作。且不同模型天生好斗程度不同，部分模型无需外部刺激就自带报复倾向。
此外，人为人设提示词很难矫正模型固有特质。研究预设激进、贪婪、保守、睚眦必报四种玩法人设，绝大多数模型对齐分数仅0.3-0.5，适配度极低，甚至出现反向效果——给Claude下达“保守指令”，其激进吃子率反而从66%飙升至88%。这证明大模型拥有固化的底层战略偏好，外部指令无法简单覆盖，为AI决策可解释性研究提供了全新依据。
三、造规则：大模型突破边界，自主演化创造全新游戏
前两项研究聚焦“人类既定游戏规则”，而2024年发布的GAVEL研究，将AI游戏智能推向最高维度：不再局限于玩游戏，而是让大模型自主设计、演化、生成全新游戏规则，实现从“遵守规则”到“创造规则”的跨越。
该研究搭建了一套完整的AI游戏创作体系：先对传统棋类规则进行高阶编码，锁定核心规则基因；再通过演化算法随机突变规则片段，依托微调后的CodeLlama-13B模型重构全新游戏规则与可运行代码。
为保障生成质量，研究设置四层严苛筛选机制，依次通过编译校验、可玩性验证、策略筛选、深度博弈评估，从数万组新规则中筛选出优质玩法。实验成功生成多款融合型创新棋类，例如结合五子棋胜负机制与围棋围吃逻辑的全新玩法，获得人类专家“具备成为经典潜力”的高度评价。
这一研究彻底打破固有边界，让大模型成为“游戏设计学徒”，无需人类干预即可产出高创意、可落地的游戏原型，开启人机共创游戏的全新范式。同时也为大模型训练提供新思路：AI自主设计的全新游戏，可源源不断生成独特对弈数据，成为模型自我迭代的无限训练资源。
四、研究总结：游戏解锁AI通用智能进化密码
三项递进式研究，完整勾勒出大模型智能进化的三级路径，直击通用AI发展核心：
1. 初级智能：学习既定规则，通过游戏非正式训练，补齐推理、规划、社交短板；
2. 中级智能：运用并突破规则，展现独立性格、情绪决策与差异化思维；
3. 高级智能：创造全新规则，自主演化玩法、生成新场景，实现自我迭代。
相较于死板的正式训练，游戏场景的试错性、互动性、随机性、社交性，更贴近人类真实智能的成长逻辑。未来，让大模型游走在“无限游戏”中，不断学习、试错、创造、演化，或将是突破现有智能瓶颈、实现通用人工智能持续进化的核心密钥。