资源受限环境下集成大语言模型与图注意力的亚马逊棋决策框架

针对资源受限环境挑战，本文提出一种轻量级混合框架，用于亚马逊棋博弈。该框架融合基于图的结构性推理与大语言模型的生成能力，利用图注意力自编码器指导多步蒙特卡洛树搜索，并采用随机图遗传算法优化评估信号。不同于依赖专家演示的传统方法，本框架能从噪声监督中学习。实验表明，图注意力机制有效过滤了 LLM 输出噪声，在决策准确率上显著优于基线及教师模型，验证了在严格计算约束下从通用基础模型演化出专用高性能游戏 AI 的可行性。