LLM 代理在 Pokémon Showdown 中组队对战
LLM Agents Play Pokemon Showdown
我构建了一个基于 Pokémon Showdown 2v2 模式的多智能体环境，专门测试 LLM 代理的协作能力。实验对比了自由对话、单消息交流、无交流等不同模式。结果显示，Qwen3.8-27B 代理在能自由沟通时，对阵最大伤害脚本的胜率高达 64%，而无交流时仅 42%。更有趣的是，两个独立代理通过对话修正彼此战术错误的能力，甚至优于单一模型控制双宠。这种环境不仅揭示了对话对协同决策的价值，也为未来用 RL 训练协作行为提供了基准。
队友若能自由交谈，对阵最大伤害脚本的胜率达到64%，而完全无法交流的队友胜率仅为42%。
HN 评论区
15- minimaxir
顺便提一句，最近 AI 和 Pokémon Showdown 之间闹了些风波，因为有人训练了一个机器人（使用标准强化学习，并将 Pokémon 对战引擎重写为 Rust 以实现最大化的自对弈并行度），据说它已经强到足以登顶排行榜。
- cryzinger
> 宝可梦双打是一个信息不完全的博弈环境。对手的阵容是隐藏的 [...] 我很好奇在 VGC 规则下（队伍名单公开）模型的表现如何，毕竟那里是用传统的心理战取代了信息隐藏游戏 :P > [...] 伤害是随机的 [...] 不是要吹毛求疵，但既然伤害并非真正的随机，模型是否考虑了可能的伤害波动？能够判断对手是否拥有增伤道具或特性，这点至关重要！
- jfreds
你们试过不同的推理层级吗？我在想，消息交互本质上是不是就是额外推理的一种代理形式？