接口先解决模型如何观察和行动
我设计模型与环境解耦的接口,把原始坐标、角色、目标等状态转换为可读的语义观测,同时明确动作空间与输出格式。MPE 覆盖合作、对抗、通信等九种环境;Football 侧把球场状态转成文字,解析模型动作并映射到环境的 19 种离散操作。规则、任务目标和角色提示分开组织,便于比较模型或修改提示词。
模型给出理由并不保证动作有效,因此协议同时保存原始响应、解析后的动作和环境反馈。模型接入支持开源模型与云端服务,环境侧可以保持相同初始条件和步数设置。
语言接口是一层实验变量
把环境接给大语言模型时,观测不只是翻译成自然语言。一个智能体能看到哪些对象、是否知道全局位置、能否读取其他智能体的消息,都会改变任务难度。因此语义观测应保留原环境的信息边界;若额外补充全局状态,需要作为不同实验设置记录。
动作接口则把模型输出变成环境能执行的离散或连续动作。结构化动作有利于检查选择与参数,也能把模型计划和实际执行分开。一个正确战略如果输出无法解析,属于接口或格式问题;动作格式正确但与队友互相干扰,则应返回协作机制分析。两者不能只用一条终局奖励解释。
| 链路位置 | 需要保留的信息 | 可诊断的问题 |
|---|---|---|
| 环境观测 | 当前智能体可见对象、位置、通信信息 | 观察边界是否改变了任务 |
| 模型决策 | 输入观测、提示词和原始输出 | 是否正确理解局面 |
| 动作转换 | 解析结果与实际环境动作 | 格式错误还是策略错误 |
| 仿真反馈 | 奖励、新观测、轨迹与回放 | 团队行为如何导致结果 |
动作格式正确,为什么仍可能执行错误
环境收到的是动作编号或控制量,模型生成的却可能同时包含动作与理由。如果只保留解释文本,无法确定最终执行的是哪个动作;如果只保留动作编号,又无法判断解析器是否改变了模型原意。已有协议因而同时记录原始响应、解析结果和环境反馈。
一个可用于调试的教学例子是:模型文字解释说“传球”,结构化字段却给出另一个动作。此时先沿解析路径确认实际送入环境的值,再回到提示与输出协议处理冲突。不能从最终视频里出现的动作,反向认定模型有相同战术意图。
{'language': 'text', 'text': '同一步的记录关系\n环境观测 → 模型原始响应 → 解析后的动作 → 实际执行 → 环境反馈\n\n保留共同的对局、步数和智能体身份,才能跨层比较。'}怎样衡量协同,而不只看一次成功
MPE 批量运行使用指定随机种子,保存每局与各 Agent 奖励,再汇总均值和波动。Football 同时记录进球率、奖励、步数、模型调用延迟、解析路径和重试情况。前一组指标描述任务表现,后一组帮助判断失败是否来自动作协议或调用过程。
观察协同行为时,先由任务奖励与终局结果定位异常,再回看各 Agent 同一时段的观测和动作,分析目标冲突、通信未被使用或配合时机等机制。现有链路为这种分析提供材料;它没有把所有合作现象压成一个统一的‘协同分数’。
一个协作案例:看结果,也看分工如何出现
以 Football 三对一守门员任务作教学讨论:持球队员可以直接射门,也可以把球交给更有机会的队友。单看进球数量,无法知道策略依靠的是稳定配合,还是少量偶然成功;需要同时观察持球者选择、无球队员移动、动作时序和局面变化。
复现比较时,可先固定任务、模型、提示词与随机种子,再分别改变是否允许通信或改变决策组织方式。把相同种子下的轨迹成对回放,检查队员是否形成分工、是否反复争抢同一空间,以及失败首次出现在哪里。该过程是实验阅读与设计建议,不代表这里已经给出了通信机制的独立增益。
实践复盘:先建立可比较的协议,再解释协作
已实现的范围包括九种 MPE 环境、Football 的 19 类离散动作映射,以及逐步观测、动作、模型响应、奖励和回放。九和十九描述覆盖范围,并不是模型能力得分。本文不把少量比赛结果整理成一个新的普遍能力排名。
比较时首先对齐可见信息、决策间隔、步数预算与随机种子。模型调用更频繁通常意味着更多成本和行动机会;额外提供全局位置也会改变任务。协议固定之后,进球率和奖励定位结果差异,逐步轨迹再解释分工、冲突与失败时机。