据量子位报道，华为一项被归类为论文的研究显示，其AI方法 RSI 在 25 款游戏中实现通关，且完成同等目标所需操作次数比人类玩家少 56%。相关成果以论文形式发布，原文链接为 https://www.qbitai.com/2026/10/502654.html 。
从公开信息看，这项工作的关键信息有两点。一是覆盖面：25 款游戏并非单一品类，通常意味着方法需要在不同规则、不同状态空间和不同反馈密度的环境中都成立，而不是针对某一款游戏做定制化调优。二是效率：在同样通关的前提下，操作次数比人类少 56%，说明智能体并非靠"多试几次"堆出结果，而是以更少的动作序列达成目标。
为什么这一点值得关注？在游戏智能体研究中，通关率长期是主要指标，但"能通关"和"通关得漂亮"是两件事。操作次数直接关联到决策质量：更少的无效动作，意味着更强的状态判断、更长的规划视野，以及对环境反馈的更有效利用。对从业者而言，这类指标比单纯的胜率更能反映方法的泛化能力与样本效率——而样本效率正是当前智能体走向真实任务时最现实的瓶颈之一。
此外，游戏环境向来被当作通用智能体的试验场：规则明确、可重复验证、成功标准清晰。若一种方法能在多款游戏中稳定以更少操作通关，其价值往往不止于游戏本身，而在于它是否可迁移到交互步骤昂贵、试错成本高的现实场景。这也是论文类工作需要被持续跟踪的原因。
需要说明的是，本条快讯所依据的是公开报道中给出的结论，关于 RSI 的具体机制、实验设置与评测细节，仍需以论文原文为准。对关注智能体规划与效率的研究者来说，这组结果提供了一个值得对照的基线。