大型语言模型能玩 Ô Ăn Quan 吗？ 多步规划与决策的研究-计算机科学-大语言模型-决策制定-博弈论人工智能.pdfVIP

大型语言模型能玩ÔĂnQuan吗？

多步规划与决策的研究

SangQuangNguyen,KietVanNguyen,Vinh-TiepNguyen,

ThanhDucNgo,NganLuu-ThuyNguyen,Duy-DinhLe

UniversityofInformationTechnology,HoChiMinhCity,Vietnam

VietnamNationalUniversity,HoChiMinhCity,Vietnam

sangnq.19@.vn

{kietnv,tiepnv,thanhnd,ngannlt,duyld}@.vn

摘要—在本文中，我们通过传统的越南棋盘游戏ÔĂn（人格），以模拟不同的策略，并评估大语言模型在动态

Quan来探讨大型语言模型（LLMs）的规划和决策能力。这环境中进行计划、推理和适应的能力。通过利用ÔĂn

本个游戏涉及一系列的战略令牌移动和捕获，为评估LLMs的决Quan的规则和结构，我们可以分析大语言模型基于游

策能力和战略能力提供了一个独特的环境。具体来说，我们开

译戏状态做出决策的方式，评估它们处理短期和长期规划

发了各种不同的代理人格，从激进型到防御型，并使用ÔĂn

中Quan游戏作为测试平台来评估不同策略下的LLM性能。通的能力，并确定其整体战略思维。

2过使用像Llama-3.2-3B-Instruct、Llama-3.1-8B-Instruct本文旨在通过设计一系列实验来弥补这一差距，

v

1和Llama-3.3-70B-Instruct这样的模型进行实验，我们旨在使用的模型从小型的Llama-3.2-3B-Instruct到大型的

1了解这些模型如何执行战略决策、规划行动以及管理动态游戏状Llama-3.1-8B-Instruct和Llama-3.3-70B-Instruct。目标

7态。结果将为LLMs在推理和策略方面的优势和劣势提供洞见，

3是评估它们在战略多智能体环境中的表现，特别关注它

0.有助于更深入地理解它们的总体能力。们参与ÔĂnQuan游戏的能力——这是一种传统的越

7IndexTerms—大型语言模型，决策制定，战略规划，自

0然语言处理应用，博弈论人工智能南棋盘游戏，结合了回合制策略、资源管理和预见性元

5素。此外，本研究还将考察采用不同人格设定对模型决

2

:I.介绍策的影响，并评估这些模型是否能够适应动态的游戏环

v

i大型语言模型（LLMs）如GPT[1]、Llama[2]–[4]境调整其策略。

x

r和Gemini[5]在各种自然语言理解和生成任务中展现

a

了卓越的性能。尽管它们在处理翻译[6],[7]、总结[8]II.相关工作

和问题回答[9]等任务的能力已被广泛研究。大多数现决策在互动环境中的研究一直是人工智能（AI）和

有的游戏测试平台侧重于不完美信息游戏（例如，狼博弈论的重要领域。此前的研究探索了多种用于建模和

人[10],[11]、阿瓦隆[12]、间谍fall[13]）或高度依赖欺评估战略决策的方法，从传统的博弈理论[14]到现代

骗和虚张声势的