বড় ভাষা মডেলের real-time-এ সমনয়ন, যোগাযোগ এবং ম Bowen negotiation মূল্যায়ন করার জন্য, Pokémon Showdown-এর 2v2 ফরম্যাটে নতুন বহু-এজেন্ট পরিবেশ ব্যবহার করা হয়েছে। Qwen3.8-27B মডেলকে সহায়ক হিসেবে ব্যবহার করে, সেটআপ নিশ্চিততা নিচে সহযোগিতা পরীক্ষা করে, যা-hidden opponent sets এবং র্যান্ডম ড্যামেজের সাথে। একটি নমুনা যুদ্ধে, একটি এজেন্ট তার সঙ্গী দ্বারা আগে কোনো চলে committed হওয়া前に'type-matchup error' সঠিকভাবে पहचान করে, dynamic सुधার এবং লক্ষ্যের রণনৈতিক ভাগ প্রদর্শন করে।
ফলাফল দেখায় that মুক্ত টিম চ্যাট victory ratesে উল্লেখযোগ্য বৃদ্ধি করে: কোনো সীমাবদ্ধতা ছাড়া যোগাযোগ করলা টিমs স্ক্রিপ্টেড ম্যাক্সিমাম ড্যামেজ বটের বিরুদ্ধে 64% যুদ্ধ জিতেছে, যেখানে কোনো কথা বলতে অনুমতি না দেওয়ায় শুধু 42%। একে_message প্রতি টার্ন performanceকে 52% পর্যন্ত উন্নত করে। বিশেষভাবে, একক মডেল দুটি Pokémon কন্ট্রোল করলা শুধু 54% লাভ করেছে, যা নির্দেশ করে যে কথাবাদ নিজেই — কেন্দ্রীয় পরিকল্পনার বদলে — লাভ তৈরি করে। তবে, মুক্ত চ্যাট প্রতি যুদ্ধে 978k prompt tokens উপভোগ করেছে, প্রায় চার গুণ 259k ব্যবহার করা silent matches-এ, যা কথাবাদের গণনামূলক খরচ উজागर করে।
এই পরিবেশও prouverে বৈচিত্র্যময়: stronger Qwen3.8-27B teams weaker Qwen3.5-2B teams 96% of the time and 74% against 9B models, scalable benchmark স্থাপন করে। ভবিষ্যৎ কাজে-without observing a partner’s chosen move এবং একটি publiques leaderboard বিকাশ করে।
উৎস: Hacker News · সারাংশ: HeadlinesBriefing