摘要
随着大语言模型（LLM）的广泛部署，其与其他 AI 智能体的协同工作变得至关重要。本文提出 SMAC-Talk，这是星际争霸多智能体挑战（SMAC）的自然语言扩展版，旨在评估合作多智能体环境中基于 LLM 的智能体。该环境具备去中心化控制、部分可观测性及长程决策等关键特征，并引入自然语言通信通道以探测智能体间的协调与信任。研究构建了包含欺骗性通信者的评估场景，利用四种 Qwen3.5 模型基准测试，深入分析了推理结构、记忆机制及模型规模对智能体协作效果的影响，为相关研究提供了开放基准。
AI 推荐理由
论文核心评估 LLM 在不确定环境下的推理、决策及抗欺骗能力，明确研究推理结构对协作的影响。
研究机构
Faculty of Engineering and Computer Science, University of Victoria, Victoria, BC, Canada
论文信息