大规模模型在星际争霸中的技艺到底有多高？研究人员和汪军团队的最新发布

在星际争霸 II 的战场上，进行有效决策意味着需要及时处理大量复杂的信息，进行合理的战略分析与长期规划，最终制定宏观战略决策。这让团队面临着巨大的挑战。原有的 CoT (Chain of Thought) 及其改进方法，在 TextStarCraft II 环境中遭遇了三个主要问题：无法完全理解复杂的游戏信息，难以分析战局的走向，以及不足以提出有用的策略建议。

为了应对这些挑战，我们的团队提出了一种创新的方法，称为「Chain of Summarization」。这种方法由两个核心组成部分组成：单帧总结和多帧总结。 在单帧总结中，我们侧重于将观测到的游戏信息进行压缩和提取，将其转化为简洁而富含语义的结构化数据，以便于LLM（Language Model）的理解和分析。 而多帧总结则受到计算机硬件缓存机制和强化学习中跳帧技术的启发。它通过同时处理多步观测信息，弥补了快节奏的游戏和LLM推理速度之间的差异，从而提高了LLM在复杂环境中的理解和决策能力。这种方法能够帮助LLM更好地适应游戏的节奏，并更准确地进行推理和决策。

^{图1：Chain of Summarization 框架。}

Complex Prompt System：构建智慧的桥梁

为了帮助 LLM 在实时战略决策中更加高效，我们的团队设计了一个复杂的提示词系统。这个系统包括四个主要部分：游戏状态总结、状态分析、策略建议和最终决策。通过这个系统，我们可以迅速总结当前的游戏状态，对状态进行深入分析，给出相应的策略建议，并最终做出决策。这套系统的设计旨在提供有价值的信息，帮助 LLM 在实时战略中做出明智的选择。

通过这种方法，模型能够全面理解游戏的当前状态，分析双方的策略，并给出具有战略深度的建议，最终做出多步的合理决策。这不仅大大提高了LLM的实时决策和长期规划能力，还显著提高了决策的可解释性。在后续的实验中，LLM代理展现了前所未有的智能水平。

1. 狂热者快攻 2. 加速研发科技  3. 前期侦察  4. 加速生产工人 5. 防御与反击  6. 侦测单位侦察  

为了进一步了解LLM在玩星际争霸II中表现出色的原因，研究团队提出了一个假设：这些LLM在预训练阶段可能已经学习到了与星际争霸II相关的知识。

为了验证这个假设，研究团队设计了一系列问题，涵盖了星际争霸 II 的基础知识、种族机制、典型战术、标准开局以及战术应对等方面。这些问题的答案由一组人类专家（包括大师和宗师级选手）和GPT-4进行双盲评分，以评估不同模型对星际争霸 II 知识的掌握程度。

根据实验结果显示的图表，我们可以观察到一个有趣的现象：这些模型在不同程度上对星际争霸 II 的相关知识有一定的掌握，其中 GPT-4 在理解和回答这些问题方面表现尤为出色。这个发现不仅验证了我们团队的假设，也为我们对于 LLM agent 在复杂现实场景中的应用提供了新的视角。

LLM（Language Model）代理是一种基于人工智能技术的语言模型代理，它具有广阔的潜力和应用前景。未来，LLM代理有望在许多领域发挥重要作用。 首先，LLM代理可以应用于自然语言处理领域。它可以用于机器翻译、语音识别、情感分析等任务，