中文
Appearance
将大语言模型作为智能体「大脑」,在 9 个经典多智能体场景中进行零样本推理
覆盖协作、对抗、通信、欺骗等多智能体博弈范式,全面评估 LLM 的多智能体推理能力
支持 DeepSeek / Qwen / GPT / Gemini / Ollama / Transformers / vLLM 等主流模型
每轮保存 JSON 日志(观测、思维链、动作、奖励)和 MP4 视频,完整记录决策过程
每个游戏提示词解耦为任务目标、物理规则、动作格式、导航策略四大模块
benchmark_runner.py 支持多轮次 × 多种子 × 跨环境汇总统计
无需训练,LLM 直接根据文本描述生成连续动作,对标传统 RL 策略