北大与三星论文提出 TORSI，用慢推理模型离线辅导快模型提升实时游戏得分

北京大学与三星的最新论文表明，慢速推理模型可以离线指导快速模型，将其实时游戏得分从 13.51 提升到 24.19。

论文指出，在暂停状态下更强的推理模型，一旦游戏持续进行，就可能远远落后于更快的模型。

许多游戏评测会在模型思考时暂停世界，因此慢速回答没有任何代价。但在真实场景中，一个正确的动作可能来得太晚。

他们构建了 RealtimeBench，包含 6 款游戏（如马里奥、贪吃蛇和俄罗斯方块）中的 180 个任务，这些任务在推理期间仍在持续运行。在暂停状态下，GPT-6.1-sol 在 6 款游戏中的 5 款击败了更快的 Jev，但在实时运行时得分仅为 100 分制下的 1.51，而 Jev 得分为 13.51。

他们的解决方案 TORSI，让慢速模型在局间研究快速模型的失败案例，并写出指令供快速模型在游戏过程中遵循。经过 2 轮后，Jev 的平均得分从 13.51 提升到 24.19，6 种游戏类型全部得到改善。

对于实时智能体，应让快速模型参与其中，并利用慢速模型在离线状态下编写并测试其指令。