LLM研究智能体20天自建炉石酒馆战棋AI，天梯分从6000升至约15000
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载系统怎么运转
AutoTavern 把研究拆给多个专用 LLM 智能体，它们共用一份带类型标注的研究记忆，任何一条主张都要先过验证关卡才能留下。实盘对局结果回灌进这个闭环，智能体据此同时修改三样东西：游戏模拟器、训练对手和策略本身；同一份反馈还被用来调整它们自己的研究流程。人类不参与具体实现，只设定目标，并在机制存在歧义时做裁定。论文要回答的问题是：LLM 智能体能否把一个困难的真实问题，从原始数据一路推到能与人对垒的系统。
二十天造出什么
在这套流程下，20 天里产出了 TavernGym，论文称这是对在线游戏首个完整内容的忠实复现；同时交付 23 个版本的 TavernAgent，训练方式是 PPO，对手按真实对局校准。炉石酒馆战棋是八人自动战斗，商店与战斗带随机性，存在隐藏信息，近千张卡牌互相作用，这些条件都被纳入模拟与训练。TavernAgent 能自己在天梯上打完完整对局，评分从 6000 升到约 15000；按公开榜单的统计口径，它最近 20 场平均名次 1.60、80% 拿第一，而服务器评分最高的十位玩家是 2.34 与 59%，每一项统计都落后。
基准上的差距
TavernBench 覆盖 40 个场景、共 960 项任务，用来比较智能体造出的系统与现成模型。TavernAgent 答对 91% 的操作任务，前沿 LLM 最高只有 63%；速度上它 0.03 秒给出决策，后者最长要 26 秒。更贴近实战的约束是实盘一回合只给 1 秒，在这个窗口内 TavernAgent 仍保持 90% 正确率，而没有哪个 LLM 超过 26%。论文由此给出判断：LLM 智能体在“造”上远强于在“玩”上。作者表示会把 TavernBench 与 TavernGym 开源，代码与基准地址在论文中给出。
为什么值得看
它给出可核查的证据：LLM 智能体在长周期工程闭环里造系统，比亲自下场玩更有效，并附开源基准与模拟器。
信源1 家
关键事实
AutoTavern 由多个专用 LLM 研究智能体组成，共享带类型的研究记忆，每条结论需通过验证关卡，实盘对局反馈闭环[1]
20 天内建成 TavernGym，并产出 23 个版本的 TavernAgent，用 PPO 对按真实对局校准的对手训练[1]
TavernAgent 天梯评分从 6000 升至约 15000，最近 20 场平均名次 1.60、80% 第一，对比服务器前十的 2.34 与 59%[1]
TavernBench 含 40 个场景共 960 项任务，TavernAgent 答对 91%，前沿 LLM 最高 63%；决策 0.03 秒对最长 26 秒[1]
实盘一回合限时 1 秒内，TavernAgent 保持 90% 正确率，没有 LLM 超过 26%；TavernBench 与 TavernGym 将开源[1]
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。