TowerMind：一种用于LLM作为代理的塔防游戏学习环境和基准

近年来，大型语言模型（LLMs）在代理系统中展现出巨大潜力，其长期规划和决策能力成为适应多样化场景的关键。实时战略（RTS）游戏是评估这些能力的理想测试平台，但现有环境计算需求高或缺乏文本观察支持。为此，本文提出TowerMind，一个基于塔防（TD）子类的RTS游戏环境，具有低计算需求和多模态观测空间（像素、文本和结构化状态）。该环境支持模型幻觉评估和高度定制性，并设计了五个基准关卡来测试多个常用LLM在不同输入设置下的表现。实验结果显示LLM在能力和幻觉维度上与人类专家存在显著差距，并揭示了LLM行为中的关键限制，如规划验证不足、决策缺乏多目标性和动作使用效率低。此外，还评估了两种经典强化学习算法。TowerMind通过轻量级和多模态设计，补充了现有RTS环境，并为AI代理领域引入了新基准。