PUBG Ally：作为 AI 队友的对话式具身智能体

研究团队发布 PUBG Ally，一个面向 PUBG: BATTLEGROUNDS 的具身智能体，可作为语音队友与真人玩家同场游玩。它结合语言模型工具调用与实时游戏控制：模型负责理解玩家语音、维护上下文并输出高层动作决策，由更快的控制层执行移动、战斗与恢复。团队在近 3.9 万场真人共同游玩会话中采集游戏画面、玩家语音、决策、工具调用、动作与反馈数据用于迭代训练，并用玩家偏好评估队友质量。

以往 AI 队友多为脚本行为或离线评测，缺乏与真人语音、动作持续互相影响的训练闭环。该工作把语言模型智能体放进真实对局，用近 3.9 万场实测数据训练与评估，并指出离线指标与玩家偏好存在差距，意味着 AI 队友的评测标准需要从任务得分转向真实玩家体验。

机制上是分层控制：语言模型通过受控接口读取游戏信息、解析语音、决定说什么和高层动作，再驱动快速控制层完成操作，从而在严格延迟约束下同时保证语言与动作同步。因为玩家与 Ally 的言行会互相改变对局走向，训练必须依赖真实对局数据，而非静态数据集；评测则用玩家反馈与偏好比较来修正标准。上线还依赖模型压缩、上下文压缩、安全训练、运行时护栏和记忆脱敏。

对游戏产品而言，这意味着 AI 队友需要端侧低延迟推理、面向玩家的内容安全机制以及持续的真实对局数据回流，研发成本从单次建模转向长期数据与评测运营。对玩家体验的影响在于语音与动作同步、队友决策可预期；若离线评测无法反映偏好，团队需要把玩家反馈纳入迭代闭环，否则调优方向可能偏离真实体验。

• 在射击或团队竞技游戏中，把 AI 队友作为可招募功能，先小范围真人测试并收集语音与偏好数据。
• 搭建以玩家偏好比较为核心的 AI 队友评测流程，替代单纯任务胜率或离线指标。
• 为端侧大模型智能体准备模型压缩、上下文压缩与记忆脱敏的工程管线。
• 设计面向玩家可见内容的运行时护栏与安全训练流程，降低语音交互的合规风险。

• 近 3.9 万场会话数据的具体采集方式、玩家知情与授权流程未在证据中说明。
• 模型压缩、上下文压缩与端侧执行的具体延迟指标和硬件要求未给出。
• 玩家偏好与离线评测差距的具体幅度和改进结果未提供。
• 摘要文本在“During the live …”处截断，线上部署后的长期表现与风险不明。