企业官网建设流程全解析

超级玛丽、俄罗斯方块、魔方：JEV-27B-VL的System 1决策循环玩透5款经典游戏

【免费下载链接】JEV-27B-VL项目地址: https://ai.gitcode.com/hf_mirrors/autotrust/JEV-27B-VL

如果你想知道 AI 能不能"自己看着屏幕玩游戏"，JEV-27B-VL 给出的答案相当干脆：能。这款多模态决策模型用一套极简的 System 1 决策循环，先后拿下了超级玛丽、俄罗斯方块、魔方、贪吃蛇和 Quick, Draw! 猜画 5 款经典游戏——每一步都是"看一眼画面 → 输出每个动作的概率 → 执行最高概率动作"，单次决策只要几十到几百毫秒。

这篇文章带你用新手视角看懂：这个决策循环是怎么转起来的，5 款游戏各自是怎么被"玩透"的，以及你如何在自己机器上跑起来看它玩。

🎮 先看结果：5 款游戏，同一个循环

不用训练、不用调参，JEV-27B-VL 的 System 1 对每款游戏只需要回答一类"选择题"：

注意一个关键设计：它不是让大模型"生成一段话"再解析，而是一次前向传播直接输出每个候选动作的校准概率。没有 JSON 解析、没有格式错误、没有"模型今天心情不好不听话"的问题。

1️⃣ 超级玛丽：每步 = 移动选择 + 跳跃决策

每一帧画面送入模型，System 1 同时回答"往哪走"和"跳不跳"两个问题，约 150 ms 出结果（演示视频为 5 倍速）。对新手来说这很直观：它就像反应极快的玩家，看一眼当前画面就做下一步决策，然后循环往复。

2️⃣ 魔方：46 ms 一步，解 25 步乱序

魔方可能是最"反直觉"的：System 1 把当前状态和 11 个标准还原公式放在一起比较，每步只从这 11 个公式里选一个，约 46 ms 一步（视频为 10 倍速回放）。从 25 步随机打乱到还原，全程就是这样一个"选择题循环"在转。

3️⃣ 俄罗斯方块：选列 + 选朝向

每块方块落下前，System 1 从"列 × 朝向"的组合中选出概率最高的落法，约 122 ms 一块（5 倍速）。没有预编程的贪吃规则，纯靠模型对棋盘的理解做决策。

4️⃣ Quick, Draw!：画到 60% 就能猜对 62%

这个不是玩游戏，而是玩"猜画"：画手一笔一笔画，System 1 每收一笔就从 16 个答案里重新猜一次。在 320 位真实玩家的作品上，画完时猜对率88%；即使只画到 60% 的笔数，也能猜对62%（随机猜只有 6%）。单次猜测约 270 ms。

5️⃣ 贪吃蛇：131 步吃到 18 个食物

输入是棋盘画面加蛇的位置列表，System 1 每步选一个方向。整局 131 步吃到 18 个食物，单步决策约 300 ms（视频 4 倍速）。

⚡ 核心：System 1 决策循环是怎么转的

JEV-27B-VL 的架构可以拆成两层（详见 README.md）：

• System 1（快思考）：通过POST /v1/decide接口，输入"状态 + 一个问题 + 候选项"，输出每个候选项的校准概率。支持三种题型：noul（是/否）、score（0–5 打分）、choice（2–256 选 1）。
• System 2（慢思考）：未修改的 Qwen3.8-27B，可以看图、一步步推理，适合复杂问题。

决策循环的精髓在于概率是可信的：它在 13,695 行评测上的期望校准误差（ECE）只有 0.019——说 80% 置信时，大约就 80% 是对的。这就允许系统"置信度高就自动执行、置信度低就升级给 System 2"，又快又稳：

实测中，置信度低于 0.70 才升级给 System 2：70% 的问题在 0.11 秒内被 System 1 答完，整体准确率从 0.792 提升到 0.892。游戏循环里同理——画面简单时快答，局面微妙时交给更谨慎的决策。

👀 它的"眼睛"为什么靠得住

很多人第一反应是：决策头训练时没见过游戏画面，凭什么能看懂棋盘？

答案是：决策适配器和决策头只用文本训练，视觉编码器直接继承自 Qwen3.8-27B，所以所有图像决策都是零样本。而它的图像理解能力有硬数据支撑——在多模态评审任务上，给一张图、一个问题、两个答案，它单次前向传播就能挑出更好的答案：

在 VL-RewardBench 上总准确率78.3%，超过榜单上全部 26 个模型，包括 GPT-4o（65.8%）和专门训练的评审模型；在更新的 MMRB2 基准上，文生图评审与 GPT-5 仅差 1.3 分。同样的"看图决策"能力也支撑了它零样本短视频推荐（仅看封面图 AUC 0.727，追平用 59,045 个用户行为训练的协同过滤）：

也就是说，游戏里那些"看到蛇头快撞墙了""看到坑要跳"的能力，来自这套经过基准检验的视觉判断力。

🚀 快速上手：两条命令看它玩游戏

硬件要求：一张 80 GB 以上显存的 GPU（vLLM 部署）。

git clone https://gitcode.com/hf_mirrors/autotrust/JEV-27B-VL bash JEV-27B-VL/serve.sh # 启动 vLLM 服务，监听 :8000

serve.sh 内部会拉起 serve_decide.py——标准 vLLM 服务加一条 System 1 专用的/v1/decide路由。启动后任何 HTTP 客户端发一帧画面 + 一个问题 + 一组候选动作，就能拿到校准概率，游戏循环即可跑起来。

部署要点（新手最容易踩的坑，来自 README.md）：

• ✅--max-num-seqs 8是必需的，超过 8 条并发序列会输出错误的 System 1 概率
• ✅ 图片先缩到 448 px 以内，能显著降低延迟
• ✅ 需要 256K 长上下文时，设置MAX_MODEL_LEN=262144后再启动

📁 仓库文件导览（找资料看这里）

🤖 彩蛋：同一个循环，还能驱动机械臂和浏览器

游戏之外，这套 System 1 循环还在 MuJoCo 仿真里做了机械臂抓取放置——每一步只看一张摄像头画面，回答"目标在夹爪的左/右、上/下方"，20 个随机场景完成75%（家族内最高），单次决策约 240 ms；在真实无头浏览器里做电脑操作，60 个多步任务完成95%，约 0.26 s 每次点击：

• 机械臂：videos/robot_arm_pick_place.mp4
• 电脑操作：videos/computer_use_shop.mp4

一个值得记住的教训：直接让 System 1 从 8 个电机指令里硬选，10 个场景完成 0 个——把复杂动作拆成简单的是/否小问题，才是它发挥最好的姿势。

总结

JEV-27B-VL 把"AI 玩游戏"做成了最朴素的工程形态：一个校准概率接口，一个 while 循环。超级玛丽的每一次跳跃、魔方的每一步公式、俄罗斯方块的每一次落块，背后都是同一句逻辑——看一眼，出概率，选最大，再下一帧。单步 46~300 ms 的速度、可执行的高置信概率、零样本的视觉理解，让它成为目前决策模型里少数"拿来就能组成闭环"的选择。

想深入实验设计，读 blog/JEV-27B-VL.md；想动手部署，两条命令即可开玩。🕹️

【免费下载链接】JEV-27B-VL项目地址: https://ai.gitcode.com/hf_mirrors/autotrust/JEV-27B-VL