MOBA-VL: 실시간 MOBA 중계를 위한 이벤트 국소화 멀티턴 강화학습
MOBA-VL: Event-Localized Multi-Turn Reinforcement Learning for Real-Time MOBA Commentary
MOBA(Multiplayer Online Battle Arena) e스포츠를 위한 실시간 중계는 비전-언어 모델(VLM)이 라이브 경기를 초 단위로 유창하면서도 정확하게 서술할 것을 요구한다. 기존의 스트리밍 VLM은 자연스럽게 들리지만 킬(kill)이나 오브젝트(objective)와 같은 핵심 이벤트를 놓치는 경우가 많다. 이러한 한계를 해결하기 위해, 우리는 각 이벤트가 정확히 언제 발생하는지를 기록하는 게임 텔레메트리(game telemetry)를 감독 신호로 사용한다. 우리는 이 신호로 학습된 90억 매개변수(9B-parameter) 모델인 MOBA-VL을 소개하며, 이는 각 이벤트를 서술하는 턴에 보상을 부여하는 이벤트 국소화 멀티턴 강화학습으로 학습된다. 또한 우리는 세 가지 MOBA 게임에 걸쳐 단어 수준의 타임스탬프가 포함된 중계가 담긴 860개의 프로 경기(약 460시간) 데이터셋인 MOBACast와, 홀드아웃(held-out) 토너먼트로 구성된 벤치마크인 MOBACast-Bench를 수집한다. MOBACast-Bench에서 MOBA-VL은 전체 경기(63.25 대 StreamingVLM의 55.12)와 클립(63.45 대 DeepSeek-V4.1-Flash의 56.22) 모두에서 가장 높은 Overall 점수를 달성한다. 이벤트 국소화 크레딧(credit) 할당은 또한 지도 미세조정 대비 이벤트 재현율을 34.5에서 42.1로 높인다. 코드와 데이터는 공개될 예정이며, 데모는 익명 프로젝트 페이지인 https://moba-vl.github.io 에서 확인할 수 있다.