Think-In-Games（TiG）框架是由腾讯于 2025 年 8 月提出的，相关研究成果发表于论文「Think in Games: Learning to Reason in Games via Reinforcement Learning with Large Language Models」。

TiG 框架够使大语言模型（LLMs）通过直接与游戏环境交互来发展程序性理解，同时保留其固有的推理和解释能力。 具体而言，TiG 将基于强化学习的决策制定重新表述为语言建模任务：LLMs 生成语言指导策略，并通过基于环境反馈的在线强化学习迭代优化这些策略。该框架成功弥合了陈述性知识与程序性知识之间的差距，相较于传统 RL 方法，在显著降低数据与计算需求的同时实现了具有竞争力的性能。