RTSGameBench：评估VLM在游戏环境中的策略推理

新基准显示顶尖VLM在多智能体RTS策略推理上仍不及人类。

资讯摘要

论文提出RTSGameBench，基于RTS游戏Beyond All Reason构建，用于评估视觉语言模型在多智能体环境下的策略推理。基准包含完整对局、聚焦特定策略需求的诊断小游戏，以及可将自由查询转为新小游戏的自我进化框架。作者同时提出RTSGameAgent，结合群体级轨迹规划与长短期记忆，表现优于现有智能体。作者报告，顶尖VLM在人类能成功的场景中仍表现吃力，尤其是与盟友协调或应对多个对手时。

要点速读

1. 论文提出RTSGameBench，基于Beyond All Reason，覆盖完整对局与诊断小游戏，并提供自我进化框架扩展场景。
2. 作者提出RTSGameAgent，结合群体级轨迹规划与长短期记忆，称其优于现有智能体。
3. 作者报告，顶尖VLM在需要与盟友协调或应对多对手时，表现不及人类。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。