COTA，是超參數科技推出一款全新的遊戲智慧型體。
基本介紹
- 外文名：COTA
- 類別：遊戲智慧型體
功能介紹,功能實現,訓練過程,
功能介紹
據官方描述，這是一款真正具備通用遊戲潛力的Agent產品，從名字就能看出，它強調認知（Cognition）、執行（Operation）、策略（Tactics）和輔助（Assistance）：不僅操作堪比職業選手、決策比肩教練級，推理鏈路還全程清晰可見。並且這一切，完全由大模型原生驅動。
功能實現
現有大模型普遍依賴自回歸生成機制，推理能力強的同時也不可避免地帶來了實時回響問題，尤其是在要求高頻、低容錯的複雜遊戲場景中相當受限。而COTA在此基礎上，通過精準選型和對模型架構的進一步創新，從而找到了平衡點。為了避免參數冗餘，COTA採用Qwen3-VL-8B-Thinking作為基座模型，這是一個兼顧性能與效率的“甜點級”選擇。相比更小參數量級的模型，8B仍然可支撐足夠的邏輯鏈推理，以及理解複雜的遊戲戰術；體積輕巧也能更好地滿足遊戲場景中每秒多次的決策刷新，解決遊戲Agent在實時性上的物理瓶頸。其次，COTA創新性構建了一套“雙系統分層架構”，將原先強耦合的AI決策鏈，拆分為快系統+慢系統兩條協同鏈路。簡單來說，就是模擬人類大腦，快系統負責低延遲動作執行，慢系統負責深度分析。
訓練過程
在訓練過程中，COTA同時建立起一條從“能用→強化→擬人”的訓練管線：
1、SFT階段：基於CoT的冷啟動。
傳統的模仿學習只會學習基礎動作，而利用包含CoT的高質量數據進行SFT監督微調，可以讓AI初步具備人類思考的邏輯框架。
其中在數據構建上，採用了混合式數據策略：以高質量人工數據作為錨點，再結合模型自動生成數據，來規模化滿足訓練所需的數據量和多樣性。
2、GRPO階段：大規模自我博弈。
群相對策略最佳化主要解決的是決策魯棒性問題，通過AI自我對抗，探索人類玩家從未發現的戰術死角，可以極大地提高模型在極端壓力環境下的生存勝率。
3、DPO階段：人類偏好對齊。
這一步將會與人類高端玩家數據對齊，以減少AI的機械感，例如不合常理的瞬移視角，同時讓指揮官輸出的戰術意圖更符合人類語言邏輯。最終體現在COTA上，就是將有限的算力花在刀刃上：高成本、強推理能力集中在不要求即時回響的戰略決策階段，而實時執行交給經過蒸餾與壓縮等技術的輕量模型。從而在保持智慧型水平的同時，將系統整體回響時間壓縮到百毫秒級（最快可縮減至100ms），以滿足多類遊戲場景需求。這就意味著COTA已經跨越了算法和套用之間的鴻溝，在實戰環境下依舊能夠保持高水平性能，具備商業可行性。由此可見，COTA並非華而不實的demo，而是能真正落地的大模型遊戲AI產品。
