超越缩放：评估零和环境中大语言模型的战略推理与快速决策能力

本文指出大语言模型在静态基准表现优异，但在对抗性、时间敏感环境中的交互能力尚不明确。为此，作者提出了战略战术代理推理（STAR）基准，这是一个多智能体评估框架，通过一对一零和竞争互动，将推理视为迭代自适应的决策过程。STAR 支持回合制与实时设置，旨在分析长程战略规划与快节奏战术执行。研究揭示了显著的“策略 - 执行差距”：强推理模型在回合制中占优，但因延迟在实时场景中表现不佳，表明战略智能不仅依赖推理深度，更取决于将计划转化为及时行动的能力。