研究與模型 2026年10月27日

趨勢 · 預印本 10 月 24 日

南京大學稱 LLM 代理人當建造者勝於玩家。基準作者自建

南京大學 Changlian Ma、Limin Wang 的預印本讓 LLM 代理人花 20 天替《爐石戰棋》建模擬環境並訓出專用代理人，最近 20 局平均名次優於伺服器前十玩家，作者的結論是 LLM 代理人當建造者遠勝於當玩家。 《爐石戰棋》是八人自走棋，有隱藏資訊與近千張互相作用的卡牌（arXiv 2610.33845，2026-10-24）。據摘要，研究代理人 20 天內建出模擬器 TavernGym、對手與策略，交付 23 版用強化學習訓出的 TavernAgent。最近 20 局平均名次 1.60、80% 拿第一，伺服器前十玩家平均名次 2.34、第一名率 59%。前十玩家這組數字的局數與期間，論文摘要沒有交代。在作者自建的 960 題對決基準上，TavernAgent 答對 91%，前沿 LLM 直接下場最多 63%；每步決策 TavernAgent 用 0.03 秒，LLM 用 26 秒。單一遊戲、作者自建的環境與基準、最近 20 局樣本小；人類仍設定目標與裁定模糊規則，人介入多少，論文摘要沒有交代。本報的讀法：代理人的價值可能在離線建造這一段。研究代理人訓出的專用代理人每步 0.03 秒，前沿 LLM 直接下場每步要 26 秒，這個差距決定能不能即時上線。延遲差也可能來自模型種類不同，摘要沒有拆開。 怎麼查的 →