仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
论文：AgentsofChange:Self-EvolvingLLMAgentsforStrategicPlanning链接：https ://arxiv. org/pdf/2506. 04651
整理：Peter
想象一款风靡全球的桌游《卡坦岛》：玩家要造村庄、抢资源、玩心机，最终争夺10分胜利。它融合了运气、战略规划和心理博弈，被科学家选中作为AI战略能力的“高考考场”。
关键洞察：传统游戏AI方法在象棋、围棋等完全信息游戏中已达到超人水平，但面对卡坦岛的随机骰子、多方谈判等复杂因素时，就像只会背公式的学霸遇到开放式论述题——优势难以发挥！
而大语言模型（LLM）拥有强大的语言理解和推理能力，能否教会它“深谋远虑”？这就是论文的核心命题。
研究团队设计了四代AI特工，一代比一代“叛逆”：
菜鸟版（BaseAgent）：直接看游戏状态做决策，相当于“凭直觉下棋”。
学霸版（StructuredAgent）：加了人类写的攻略手册，类似“考前划重点”。
进化版（PromptEvolver）：自带“教练团”分析战局，动态修改作战指令（提示词）。
终极版（AgentEvolver）：直接改写自己的大脑（代码）！分工明确的特工小组：
分析师复盘输赢
研究员查攻略
战略家定方针
程序员改代码
玩家执行操作
就像一支电竞战队——分析师赛后总结，教练调整战术，程序员升级外设，下一局全员进化！
关键结论：能自我进化的AI完爆静态AI！
PromptEvolver（改提示词）性能最高提升95%（Claude3. 7实现）
AgentEvolver（改代码）从零开始学习，最终击败随机AI
模型差距惊人：
Claude3. 7：真正的战略大师，主动规划长期资源储备
GPT-4o：稳扎稳打型，专注修补漏洞
Mistral：“躺平选手”，策略几乎不进化
彩蛋：进化后的AI甚至学会“使阴招”——故意把强盗放到对手资源区！人类玩家直呼内行。
通过分析游戏日志，发现LLM进化出反直觉战术：
放弃短期利益：忍住不造小村庄，攒资源直接升级城市（得分翻倍）
动态调整策略：根据骰子概率转移资源重心
精明交易术：学会察言观色，专挑对手急需时刻出手换资源
突破性意义：
AI设计AI成为现实：LLM从“玩家”变身“游戏设计师”
无监督进化：不给标注数据，纯靠自我反思迭代
争议与限制：
计算成本高：10轮进化=60小时烧显卡
依赖基础模型：弱模型（如Mistral）进化乏力
伦理安全阀：所有代码在沙盒运行，严防“失控进化”
备注：昵称-学校/公司-方向/会议(eg. ACL)，进入技术/投稿群
id：DLNLPer，记得备注呦
