游戏推理竞技场：通过游戏评估大型语言模型推理能力的框架和基准.pdfVIP

游戏推理竞技场：通过游戏评估大型语言模型推

理能力的框架和基准

1,21,21,2

LuciaCipolina‑Kun,MariannaNezhurina,andJeniaJitsev

1LAION

2JuelichSupercomputingCenter(JSC),ResearchCenterJuelich(FZJ)

本2025年8月13日

译

中

游戏推理场库提供了一个框架，通过在Google的OpenSpiel库中实现的战略棋盘

2

v游戏来评估大型语言模型（LLMs）的决策能力。该框架通过封装多个棋盘和矩阵游戏

8

6并支持不同类型的代理，实现了基于LLM的代理与其他代理（随机、启发式、强化学

3

3习代理等）之间的系统性比较。它集成了通过liteLLM访问API、通过