你如果感兴趣的话可以去github看看firstlight的仓库 这个比较完善，不过我走的是和它两个方向。

我一开始就是要用qwen3加一个那种决策头，类似jav。因为当时jav刚刚出的那一天，我就有了这个想法，并且做了一个类似的半成品出来，不过llm训练消耗的资源太大了，而且似乎也不适合这种场景。

确实，我也是B站刷到的才开始做的，因为我觉得他们的模型还有很大的提升空间

感觉现在他的水平肯定不如你啦，等我后面RL多训练一些看看，这个RL应该只训练了2万场的对局

说肯定都是这么说，但好像确实，之前有几个开挂的要不是玩家反馈官方也一点动静没有