用1.3M参数玩DOOM：专用小模型对比大型语言模型进行实时游戏控制
机器学习
2026-04-10 v1 人工智能
摘要
我们提出了SauerkrautLM-Doom-MultiVec，一个1.3M参数的模型，以实时方式玩经典第一人称射击游戏DOOM，性能超越高达其92,000倍规模的大型语言模型，包括Nemotron-120B、Qwen3.5-27B和GPT-4o-mini。我们的模型结合了ModernBERT编码器、哈希嵌入、深度感知令牌表示和注意力池化分类头，从ASCII帧表示中以每次决策31毫秒的速度选择游戏动作。仅在31,000个人类游戏演示上训练后，它在defend_the_center场景中10个回合中实现了178击杀（每回合17.8击杀），超过所有测试LLM的总和（13击杀）。所有智能体接收等效输入：ASCII帧和深度图。尽管参数比Nemotron-120B少92,000倍，我们的模型是唯一主动攻击敌人而非纯粹躲避的智能体。这些结果表明，在实时控制任务中，训练于领域适当数据的小型专用模型可以在推理成本的一小部分内决定性超越通用LLM，并具备在消费硬件上的部署能力。
引用
@article{arxiv.2604.07385,
title = {Playing DOOM with 1.3M Parameters: Specialized Small Models vs Large Language Models for Real-Time Game Control},
author = {David Golchinfar and Daryoush Vaziri and Alexander Marquardt},
journal= {arXiv preprint arXiv:2604.07385},
year = {2026}
}
备注
17 pages, 3 figures, 3 tables. Code and model weights available at https://github.com/VAGOsolutions/SauerkrautLM-Doom-MultiVec