بيئة متعددة الوكلاء جديدة مبنية على تنسيق 2v2 لبوكيمون Showdown تقيم كيفية تنسيق نماذج لغوية كبيرة، والتواصل، والتفاوض في الوقت الفعلي. باستخدام نماذج Qwen3.8-27B كشركاء، يختبر الإعداد التعاون تحت عدم اليقين مع مجموعات隐藏 opponent sets and random damage. In a sample battle, one agent correctly identifies a type-matchup error made by its partner before committing to a move, demonstrating dynamic correction and strategic splitting of targets.
النتائج أظهرت أن chat الفريق الحر بشكل كبير يزيد من معدلات الفوز: الفرق ذات التواصل غير المقيد فازت بنسبة 64% من المعارك ضد بوت-scripted أقصى ضرر، مقارنة بـ 42% عندما لم يُسمح بالتحدث. حتى رسالة واحدة لكل turn حسنت الأداء إلى 52%. لافت للنظر، أن نموذجًا واحدًا يتحكم في كلتي البوكيمونات حقق فقط 54%، مما يشير إلى أن échange الحوار نفسه — وليس التخطيط المركزي — هو الذي يخلق الميزة. ومع ذلك، استهلك chat الفريق الحر 978k token per battle، تقريبًا أربع مرات الـ 259k المستخدمة في المباريات الصامتة، مما يبرز التكلفة الحاسوبية للحوار.
كما أثبت البيئة تميزها: فرق Qwen3.8-27B الأقوى هزمت فرق Qwen3.5-2B الأضعف 96% من الوقت و74% ضد نماذج 9B، مما أسس معيارًا قابلاً للتطوير. يشمل العمل المستقبلي عزل تأثير مراقبة الحركة التي اختارها الشريك وتطوير لوحة قيادة عامة.
المصدر: Hacker News · لخّصه HeadlinesBriefing