OpenJev 在 BR 大逃杀中的应用:小模型上岛之后
把 Qwen3-0.6B 接入 BR 大逃杀,回看一周的真实运行记录,再与随机选择和规则首选比较,看看机器人哪些时候选得更好,哪些时候仍然靠不住。
OpenJev 在 BR 大逃杀中的应用:小模型上岛之后
重写 TypeScript 版 BR 大逃杀时,我想给游戏加一批会自己行动的模拟玩家。它们要在岛上找物资、恢复体力、换装备,发现其他玩家以后,还得决定打不打、要不要换个地方。
这些选择看起来很适合交给一个小模型。我选择了 OpenJev,让它调用本地的 Qwen3-0.6B,替机器人从当前可选的行动里挑出一项。
接通以后,机器人确实开始行动了。它们会移动、搜索、拾取,也能和真人交战。但看着它们在地图上跑,还回答不了我更关心的问题:模型到底帮了什么忙?如果换成随机选择,或者始终照着程序排好的第一项执行,会不会也差不多?
于是,我把最近一周的记录翻出来,先看系统怎样运行,再逐条检查选择,最后补了几组顺序轮换的小测试。这个过程找到了真正选得更好的例子,也暴露了一些原本容易被“接入成功”掩盖的问题。
让模型参与行动,游戏规则仍由服务器执行
BR 大逃杀的选择不少,约束也很具体。移动需要体力,攻击要先发现目标,背包有容量限制,禁区还会按时间不断扩大。模型如果只说一句“攻击最弱的敌人”,服务器仍然得知道它指谁、有没有发现对方、对方是否还在原地。
我把这部分工作留在了 TypeScript 里。服务器先根据机器人能看到的信息,列出当前合法的行动,再结合角色目标和状态做一轮筛选。只有仍然存在多个选择时,才请求 OpenJev。
整个流程大致如下:
游戏服务器:读取本人可见状态,生成并筛选合法行动
│
状态 + 可选行动
│ HTTP
▼
推理服务器:OpenJev + Qwen3-0.6B + Jetson GPU
│
返回行动 ID
▼
游戏服务器:重新检查当前状态,执行规则,保存结果
机器人按普通学生身份入场,占用正常玩家名额,遵守相同的生命、体力、物品和战斗规则。创建对局时可以指定 0–20 个机器人,默认是 0,也会给真人房主保留一个位置。
它们能看到自己的装备、伤势和已发现目标,以及禁区预警、公开战斗声响等信息。物资指南告诉它某个地点的初始配置偏向什么,却不保证那里现在还有东西;听到枪声,也不等于立刻获得了一个可攻击的目标。
在这之前,本地程序已经做了不少判断:体力不足时恢复,收到禁区预警时提前撤离,连续搜索缺少进展时调整路线。机器人还被分配了成长升级、武器专精和装备收集等目标。
这些规则不能被忽略。比如,本周有 540 次预警撤离直接由本地策略采用,没有请求模型。看到机器人及时离开禁区,不能马上认定是 Jev 做出了漂亮判断。
为什么用 OpenJev,以及接入时碰到的一个限制
这里需要模型做的事很明确:读一份状态,从列出的行动里选一个。
OpenJev 的本地 Choice 路径正好适合这种用法。它把选项映射为字母标签,做一次模型前向计算,再从这些标签对应的 logits 中计算概率、选出一项。游戏不需要先收到一段解释,再尝试从自然语言里提取指令。具体实现。
推理服务部署在一台 64GB Jetson AGX Orin 上,使用独立 Python 虚拟环境和 systemd,模型采用 CUDA、FP16。游戏服务器通过 HTTP 调用它,伤害、物品变化和胜负仍由原来的规则代码结算。
部署时还遇到了一个值得记下的细节:固定版本的类型层允许 2–255 个 Choice 选项,但本地引擎只有 A–Z 的 26 个标签。实测 26 个可以运行,27 个就会报错。因此游戏端要自己控制发送数量;只剩一个选项时,直接执行即可。
一周数据里,模型请求对应的完整合法行动平均有 30.94 个,筛选后实际发送平均为 4.53 个,最多 22 个。约 62.15% 的请求只有两个或三个选项。
这也让我更重视前面的筛选。模型只能在收到的选项里比较。如果一个好动作已经被程序排除了,换一个更大的模型也选不到它。
跑了一周,先把调用量和行动量分开
这次主要统计北京时间 2026 年 10 月 26 日到 11 月 1 日。四场对局分别有 12、15、15、12 个机器人,共 54 个。
| 指标 | 一周记录 |
|---|---|
| 机器人调度记录 | 277,805 条 |
| 筛选后只剩一项,本地直接采用 | 238,134 条,85.72% |
| OpenJev 返回选择 | 39,671 条,14.28% |
| 模型选择通过复查并执行 | 39,184 条 |
| 模型选择因状态变化等条件被拦截 | 487 条 |
27.8 万条记录,并不意味着调用了模型 27.8 万次,更不意味着做了这么多次实际行动。
其中有 171,288 条是本地采用的等待,占全部调度记录的 61.66%。机器人休息时,恢复按真实经过的时间计算;一次等待检查不会增加个人行动回合,也不会重新开始休息计时。模型自己选中并执行的等待,反而只有 4 次。
而在模型选中并执行的行动里,移动有 19,030 次,搜索有 16,257 次,两者合计占 90.05%。其余包括拾取、恢复、包扎、攻击和装备等。它们的大部分时间确实花在了找路和探索上。
延迟也和最初的小测试不同。部署时,一个 124-token、三个选项的短请求,预热后平均约 109ms。真实游戏中的客户端记录则是:
| 指标 | 耗时 |
|---|---|
| 平均 | 634.22ms |
| 中位数 | 560ms |
| P95 | 971ms |
| P99 | 1,053ms |
这个时间包含候选处理、请求构造、网络通信、服务端处理和响应校验,不是纯 GPU 前向耗时,也没有包括前后两次数据库事务。线上状态更完整,运行负载也不同;目前没有每次请求的 token 数和分段计时,还无法精确拆出各部分的影响。
对游戏来说,半秒到一秒的等待已经足以让局面发生变化。模型思考时,其他玩家仍然在行动,所以我没有让请求一直占着游戏锁。回复回来以后,服务器会重新检查目标、物品、地点和当前状态。
那 487 次被标记为过期的选择,就是在这一步被挡下的,约占模型记录的 1.23%。它们提醒我:一个动作在发出请求时可行,不代表模型答完时仍然可行。
看起来很会选高分,但高分是谁告诉它的
确认系统正常运行以后,我开始比较选择本身。
历史记录保存了实际发送的行动、本地评分和最终选择,因此可以逐条计算:Jev 有没有选中本地最高分?如果随机抽一个,又有多少概率抽到最高分?
这里的随机必须和 Jev 面对同一批选项。若让随机策略面对所有合法动作,却先替模型筛掉低价值动作,比较结果就会混进本地规划器的功劳。
我也加了一个更便宜的对照:始终选择本地排好的第一项。
对 39,184 条已执行记录逐条核对后,结果如下。最高分并列时,选中其中任何一项都算命中。
| 指标 | Jev | 同一组候选里随机选 | 始终选第一项 |
|---|---|---|---|
| 命中本地最高分 | 84.13% | 期望 37.32% | 100% |
| 选中第一项 | 81.08% | 期望 33.85% | 100% |
第一眼看,84.13% 对 37.32% 很漂亮。但继续检查请求内容,会发现一个问题:本地评分和候选排序本来就被放进了模型收到的状态里,提示中还写着“同样有用时优先考虑前面的选项”。
所以,这张表只能说明模型很偏向本地高分,无法说明它独立理解了多少游戏信息。始终选第一项甚至不需要推理,在“命中本地最高分”这个指标上就能达到 100%。
Jev 当然也会改主意:它有 7,414 次没有选第一项。真正值得追下去的是,这些不同的选择,究竟有没有带来更好的结果。
它有一次选对了:没有吃香菇,而是喝了水
10 月 30 日晚的一条记录里,模型面对两个同分选项:
| 顺序 | 行动 | 本地评分 |
|---|---|---|
| 第一项 | 食用香菇 | 110 |
| 第二项 | 饮用水 | 110 |
Jev 选择了水。
回查物品和事件记录,可以确认:水是安全的,实际恢复 45 点体力;那份香菇则是伪装成普通食品的毒物。
喝水之后,机器人体力从 242 恢复到 287,上限是 300。如果它吃下香菇,就会触发毒发,无法按表面上的食物效果恢复体力。
在当时这个局面里,只比较下一步,会得到一个很明确的结果:
| 选择方式 | 毒发风险 | 恢复体力 |
|---|---|---|
| Jev 实际选择 | 未毒发 | 45 |
| 始终选第一项 | 会毒发 | 0 |
| 两项随机选 | 50% | 期望 22.5 |
这次选择确实比随机期望更好,也比机械照着第一项执行更好。
不过,故事到这里还不能写成“模型认出了毒蘑菇”。毒性没有提供给它,选项描述也没有警告,日志没有保存它选择水的独立理由。我们能确认结果,却不能确定判断依据。
这条记录还有一个让我意外的地方:手写的进展分 reward 是 0。现有评分主要记录升级、熟练度、装备和路线变化,没有完整覆盖恢复和避害。如果只按 reward 搜索“聪明行为”,反而会漏掉它。
把其他类似选择也算进去,优势就没那么明显了
单独一个好例子很容易让人高兴,也很容易误导。
我继续检查了候选包含食品使用动作的 2,354 条记录,把选择与操作回执、毒发事件连接起来,最终找到了 47 个可以核验的选择点,涉及 23 个机器人。
其中一个检查很重要:已经被吃掉、从背包里消失的毒物,也得通过事件记录补回来。否则只看最后还留在背包里的东西,就会漏掉吃错的情况,算出一个虚假的“完美避毒率”。
对这 47 个历史局面,各自只看下一步是否食用毒物,比较结果是:
| 选择方式 | 毒发次数 | 占比 |
|---|---|---|
| Jev 实际选择 | 21 | 44.68% |
| 同一组候选里随机选 | 期望 22.42 | 47.70% |
| 始终选第一项 | 31 | 65.96% |
Jev 有 12 次避开了第一项中的毒物,但也有 2 次离开了安全的第一项,反而选中毒物。两者相抵,比机械选第一项少了 10 次单步毒发。
相对随机,差距就小得多。对这 47 个固定选择点分别独立随机一次,毒发总数的中央 95% 参考范围是 16–29 次,Jev 的 21 次就在里面。这些数据还不足以说明它能稳定胜过随机。
这里的 22.42 次也不是在预测“随机机器人跑完整局会中毒几次”。一旦某次选择改变,后续路线、背包和遭遇都会跟着变;同一个机器人还可能多次面对同一份食品。它只是把当时的局面固定下来,计算下一步随机选的期望。
表现也不是每场都一样:有一场 Jev 没有在这些选择点中毒,也有一场高于随机期望。因此,不能只把最好看的一场拿出来讲。
两个选错的例子尤其值得保留:
| 当时可以做什么 | Jev 做了什么 | 结果 |
|---|---|---|
| 先检查水的毒性,或直接饮用 | 直接饮用 | 45 点毒伤 |
| 先检查意大利面的毒性,或直接食用 | 直接食用 | 25 点毒伤 |
这两次,“先查毒”的本地评分都是 125,直接吃是 110。模型选了后者。
动作合法、返回格式正确,都没有阻止这个错误。能把模型输出限制在几个选项里,确实方便了接入,但最后选哪一个仍然可能有问题。
本周还记录了 51 次由单候选本地策略直接采用的食用毒物行为。它和模型面对的条件不同,不能拿绝对次数比较谁强,却说明这件事也不能全推给模型:未知食品该怎样处理,是整个决策流程都需要补上的一课。
换一下选项顺序,答案就变了
历史数据里的评分和排序会影响模型。为了看看它能否根据内容判断,我另外做了 6 组小测试。
每组都是三个合法选项,本地分数全部相同,目标也写得很具体:恢复最多生命、补满时浪费最少、恢复最多体力,或者挑选防御最高的防具、攻击最高的同类武器、装弹最多的一组弹药。
每组都试遍三个选项的 6 种排列。物品数值和目标不变,只换呈现顺序。测试通过原来的客户端调用真实模型,但没有执行游戏动作。
| 问题 | 答对次数 / 6 |
|---|---|
| 哪件物品恢复最多生命 | 2 |
| 都能补满时,哪件浪费最少 | 2 |
| 哪件物品恢复最多体力 | 2 |
| 哪件防具防御最高 | 1 |
| 哪件同类武器攻击最高 | 4 |
| 哪组弹药装填最多 | 0 |
| 合计 | 11 / 36 |
每题随机选的正确概率都是 1/3,36 次的正确数期望是 12。始终选第一项,因为每个正确选项也恰好排在第一位两次,同样会答对 12 次。
Jev 有 26/36 次选了第一项。三道恢复题更明显,换到哪一项排第一,就选哪一项。
装弹题则给出了这样的数值:
3 × 9 = 27 发
8 × 5 = 40 发
1 × 30 = 30 发
提示已经说明按乘积计算,目标是增加最多子弹,但它在 6 种顺序里一次也没选中 40 发那组。
这些结果让我不敢把历史记录里对高分的偏好,直接解释成对游戏数值的理解。至少在当前模型、提示和呈现方式下,排列顺序有很明显的影响。
当然,只有 6 种人工场景,不能把 6 种排列当成 6 个独立游戏场景;11 次与随机期望 12 次的差距,也不足以认定模型显著更差。这组测试真正说明的是:我还没有看到它能稳定地在这些明确的数值问题上提供额外帮助。
哪些结果值得记下来,哪些判断还得等等
这次分析让我把几件原本容易混在一起的事分开了。
机器人能正常参与游戏,是工程实现的结果。模型偏向本地高分,说明它会受到已有规则和提示的引导。喝水而没有吃毒香菇,则是一次真正更好的局部结果。
但把这些加在一起,仍然不能推出更高的整体胜率。我们还没有在可复现条件下,比较随机、规则首选和 Jev 跑完整局的表现。
甚至“活了多久、怎样死的”也要回到游戏过程里看。本周 54 个机器人最终都已死亡,其中 21 个死于禁区项圈爆炸。若只看这个数字,很容易判断它们不会逃跑;继续核对后却发现,21 次死亡都发生在各自对局结束时,四场最终都是 22 个地点全部封禁、以 all_dead 结算。
在已经没有安全地点的终局死去,和有出口却没有及时走,显然不能算成同一种失败。
下一轮,我会让几种策略从可复现的初始条件出发,重复跑多场:完整合法动作随机、筛选后随机、始终选第一项,以及加入 Jev 的策略。比较时关注仍有安全出口时的撤离、可避免的毒伤、资源浪费、探索效率和终局前存活时长。
还需要把选择质量和时间成本分开。一组实验用统一的模拟行动时钟,比较动作;另一组把真实推理耗时也算进去。Jev 平均花掉的约 634ms,是需要被收益解释的成本,不能因为模型在本地运行就忽略它。
对现有实现,我更想先做几件具体的调整:同类物品的效果能直接算,就交给代码;能查毒又不急着撤离时,优先把风险弄清楚;恢复期间也不必反复唤醒机器人,留下那么多等待记录。
这样做以后,模型收到的选择可能会更少,但剩下的取舍也更值得研究。
让 OpenJev 接入 BR,是想看看小模型能怎样参与一个持续变化的游戏。现在,机器人已经能上岛行动了,我也找到了它选得好和选得差的具体时刻。接下来要做的,是让这些时刻可以重复、可以比较,再决定哪些判断值得继续交给它。
数据说明:生产数据于 2026 年 11 月 2 日只读获取,主要统计窗口为北京时间 [2026-10-26 00:00, 2026-11-02 00:00)。调度记录包含等待和未执行结果,不能等同于模型调用量或实际行动数。选择质量分析使用其中 39,184 条已执行模型记录;47 个毒物选择点比较的是固定历史局面的下一步结果,不是整局对照实验。36 次顺序轮换测试为本次新增的真实模型请求,未计入一周的历史调用量。
版本与实现:模型为 Qwen/Qwen3-0.6B,OpenJev 固定在 49eb1382c88024e0f2550005264c13847d6ec167。模型返回的 confidence 描述候选概率分布的集中程度,不是动作的获胜概率。源码:本地引擎 · 类型与置信度计算。
Conversation
正在读取留言…