LLM 作为多人 UNO 游戏中的智能体合作玩家
人工智能
2025-09-15 v1 计算与语言
摘要
LLM 有望协助人类——不仅是通过回答问题，而是通过在广泛的任务中提供有用的指导。但这种协助能走多远？基于大语言模型的智能体真的能作为主动参与者帮助某人实现其目标吗？我们通过让一个 LLM 参与 UNO（一种回合制纸牌游戏）来测试这个问题，要求它不要自己获胜，而是帮助另一名玩家获胜。我们构建了一个工具，允许 decoder-only LLM 作为智能体在 RLCard 游戏环境中参与。这些模型接收完整的游戏状态信息，并在两种不同的提示策略下使用简单的文本提示进行响应。我们评估了从小型（1B 参数）到大型（70B 参数）的模型，并探讨了模型规模如何影响性能。我们发现，尽管所有模型在玩 UNO 时都能成功优于随机基线，但很少有模型能够显著帮助另一名玩家。
引用
@article{arxiv.2509.09867,
title = {LLMs as Agentic Cooperative Players in Multiplayer UNO},
author = {Yago Romano Matinez and Jesse Roberts},
journal= {arXiv preprint arXiv:2509.09867},
year = {2025}
}