前两天在 B 站刷到一些人做的皇室战争 AI，但我对他们的模型架构和训练方法有点不太喜欢，于是就想着自己训练一个。 从 4B Qwen + 决策头开始，最终转向更紧凑的专用策略网络：CNN 编码空间局势，Entity Attention 建模单位交互，Temporal Transformer 保留因果时序记忆，再由自回归动作头联合决定出牌、落点与时机。 参数量缩小以后，真正需要设计的是：哪些信息值得保留，哪些关系需要显式建模，以及模型该如何利用过去的局面。 训练从约 2.95 亿有效状态帧的 IL…