大语言模型战略推理的前瞻性优化

尽管大语言模型的推理能力显著提升，但在多智能体环境中因缺乏明确的前瞻性建模，难以进行有效决策。本文引入战略性推理以预测对手行为及未来动作，并提出前瞻策略优化（FoPO）方法。该方法将对手建模原则融入策略优化，显式考虑自身利益与对手影响。通过在合作与竞争数据集上的自博弈实验，证明 FoPO 显著提升了不同规模模型的战略推理能力及跨域泛化性能，优于现有基准。