复旦Game-RL用游戏数据解锁增强VLM通用推理新路径

始智AI wisemodel.cn社区是源自中国的中立开放的AI开源社区。正在，欢迎加入共同成长。

现有工作利用RL提升了视觉语言模型（VLM）的推理能力，但其任务场景往往是几何或者图表推理。这种领域上的局限，制约了VLM的探索和学习。如何拓展VLM的RL训练领域呢？

电子游戏视觉元素丰富，且规则明确而可验证，因而是理想的多模态推理数据源。由此，复旦大学NLP实验室的研究团队提出了Game-RL——构造多模态可验证的游戏任务来强化训练VLM。为获得训练数据（如图1的示例），研究人员还提出了新颖的Code2Logic方法，通过游戏代码系统化合成数据。

图1：GameQA数据集中各游戏类别的代表性游戏：3D重建、七巧板（变体）、数独和推箱子。各游戏展示两个视觉问答示例，包含当前游戏状态图片，相应的问题，以及逐步推理过程和答案。

Code2Logic方法创新性地基于游戏代码合成多模态可验证游戏任务数据。如图2，利用强LLM生成游戏代码、设计任务及其模板、构建数据引擎代码，最后只要执行代码便能自动生成数据。

图2：Code2Logic方法，借助LLM通过三个核心步骤将游戏代码转换为推理数据。第一步：游戏代码构建；第二步：游戏任务及其QA模板设计；第三步：数据引擎构建，基于前两步构建自动化程序，然后只要执行代码就能自动批量生成数据。

目前研究成果均已上线始智AI-wisemodel开源社区，欢迎体验。

模型和数据集地址

https://www.wisemodel.cn/organization/Code2Logic

01.

GameQA丰富的游戏任务数据集

利用Code2Logic方法构建了GameQA数据集，这些多模态可验证游戏数据可以用于VLM推理能力的训练和评测。

GameQA有：4大认知能力类别、30个游戏（如图3）、158个推理任务、14万个问答对。

难度分级：任务按难度分三级；样本按视觉输入复杂度分三级。

图3：GameQA的30个游戏，分为4个认知能力类别，涵盖3D空间推理、模式识别与匹配、多步推理、策略规划。20个域内游戏用于训练和测试，而10个域外游戏不参与训练，用于测试模型在未见游戏场景下的泛化能力。

02.

Game-RL可提升VLM的通用推理

在GameQA上使用GRPO训练，4个开源VLM在7个完全域外的通用视觉语言推理基准上均取得提升（Qwen2.5-VL-7B平均提升2.33%），展现出跨领域泛化，如表1。

表1：通用视觉语言推理基准上的评测结果

03.

GameQA匹敌几何数据集

研究团队用GameQA和几何与图表推理数据集进行对比训练，发现GameQA可与之匹敌。

如表2，尽管训练数据量更少且领域不匹配，但GameQA训的模型在通用基准上总体表现很有竞争力。而且在MathVista与MathVerse这两个和几何与函数推理有关的基准上，Game竟能匹敌更「对口」的几何推理数据训练。

这表明游戏中的认知多样性和推理复杂性，具有通用性和迁移能力。

表2：对比训练，5K GameQA样本 vs. 8K MAVIS（几何与函数视觉推理）vs. 8K Multimodal-Open-R1（以几何推理为主）vs. 8K MultiMath（综合的数学领域多模态推理），GameQA训练的模型总体很有竞争力，实验也显示混合训练（MultiMath中加入GameQA数据）能助力模型提得更多。

04.

训练数据量和游戏个数的影响

数据量的Scaling Effect：加大训练的GameQA数据量至20K，实验显示，模型在通用推理基准上的表现总体呈持续提升，如图4。

图4：训练数据量的Scaling Effect

游戏个数的Scaling Effect：随着训练的游戏种类变多，域外泛化效果增强，如图5。

图5：使用20种游戏的任务训练，模型在域外通用基准上的提升优于使用4种或10种游戏的配置。

05.

Game-RL后模型能力提升在哪？

为更好理解Game-RL对VLM推理能力的提升，研究团队随机采样了案例进行了细致的人工分析。结果显示，Game-RL后，模型在视觉感知和文本推理两个方面都有提升，如图6。

图6：人工定性分析得知模型的视觉感知和文本推理能力均有提升。上方的两个饼图分别是域外通用基准上，视觉感知和文本推理能力的变化情况，下方是视觉感知能力提升的一个案例。

研究提出了Game-RL以及游戏数据合成方法Code2Logic，构建了GameQA数据集，将VLM强化训练领域拓展到游戏场景。通过实验，研究团队验证了Game-RL能提升VLM的通用推理。进一步而言，也揭示了游戏场景可以提供多模态、可控、可验证数据，具有重要价值。

----- END -----

wisemodel相关：

系列模型：

关于wisemodel更多

1

欢迎持续关注和支持

开源社区建设需要长期坚持和投入，更需要广大用户的积极参与、贡献和维护，欢迎大家加入wisemodel开源社区的志愿者计划和开源共创计划。期待更多开发者将开源成果，包括模型、数据集和代码等发布到 wisemodel.cn 社区，共建中立、开放的AI开源社区生态。欢迎扫码添加wisemodel微信，申请加入wisemodel社群，持续关注wisemodel.cn开源社区动态。

2

欢迎加盟wisemodel开源社区

始智AI wisemodel社区自2023年9月上线以来，逐渐成为影响力日益扩大的中立开放的AI开源社区，为了加快公司发展，我们长期需要技术、运营等人才加盟，技术侧重在AI infra、后端开发，熟悉K8S、模型训练和推理等技术， 以及熟悉开发者生态运营的成员，欢迎感兴趣的朋友加盟，可以通过添加wisemodel微信，或者将简历投递到邮箱：liudaoquan@wisemodel.cn

3

欢迎投稿优质内容

欢迎投稿分享人工智能领域相关的优秀研究成果，鼓励高校实验室、大企业研究团队、个人等，在wisemodel平台上分享各类优质内容，可以是AI领域最新论文解读、最新开源成果介绍，也可以是关于AI技术实践、应用和总结等。投稿可以发邮件到liudaoquan@wisemodel.cn，也可以扫码添加wisemodel微信。

4

关于wisemodel开源社区

始智AI wisemodel.cn开源社区由清华校友总会AI大数据专委会副秘书长刘道全创立，旨在打造和建设中立开放的AI开源创新社区，将打造成“HuggingFace”之外最活跃的AI开源社区，汇聚主要AI开源模型、数据集和代码等，欢迎高校科研院所、大型互联网公司、创新创业企业、广大个人开发者，以及政府部门、学会协会、联盟、基金会等，还有投资机构、科技媒体等，共同参与建设AI开源创新生态。