很有意思的想法——视觉感知+人类级别的控制频率+能快速上手玩多种游戏的泛化能力的模型。
超级AI和人类的对战已经不是一个新鲜的事情了：比如前些年深度强化学习爆发的时候，AlphaGo（围棋）、OpenAI Five（Dota2）等工作已经证明了机器的智慧能在竞技型（多智能体协作）游戏中超越人类。
这几年也有一些工作尝试使用LLM作为“大脑”，通过视觉感知，进行决策来玩各类游戏、执行代理操作，在人类设计的Agent工作流下，似乎也展现出了一些泛化到不同场景的控制能力，但是控制频率还是不够高，效果也没有达到最顶尖的水平。
OpenAI Five应该是一个场景比较接近的工作，Dota2和LOL都是多人RTS游戏。OpenAI Five当时用的是多智能体强化学习的范式进行大规模的强化学习训练，数据采集是通过游戏提供的API获取的，控制频率控制到了和人类接近（放水了）。但是OpenAI Five训练出来的智能体只能玩Dota2，需要API提供事实数据，同时由于训练开销巨大，限制有限的英雄选择（这可能降低了人类的表现空间）。
总结，基于具有视觉感知、能“快速”上手玩多种游戏并且能够达到人类专家水准的AI绝对是值得期待的。