VGC-Bench: 致力于掌握竞争式宝可梦中多样化队伍策略的基准

开发能够在不重新训练的情况下对抗不同战略格局的鲁棒 AI 代理是多智能体学习中的核心挑战。宝可梦视频游戏锦标赛 (VGC) 的战略空间约为 $10^{139}$ 个队伍配置，远超其他游戏（如 Chess、Go、Poker、StarCraft、Dota）的规模。宝可梦 VGC 中队伍构建的组合特性导致最优策略在控制队伍和对手队伍之间显著变化，使得泛化能力独具挑战性。为推动该问题的研究，我们引入 VGC-Bench：提供关键基础设施、标准化评估协议，并提供超过 70 万场对战日志的人类玩家数据集，以及基于启发式方法、大型语言模型、行为克隆和多智能体强化学习（包括自我对弈、虚假博弈和双重赤字）的多种基线代理。在仅训练和评估单个队伍配置的受限设置下，我们的方法可对抗专业 VGC 选手。我们在逐步扩大的队伍集合上重复训练和评估，发现随着队伍数量增加，单队设置中表现最佳的算法在性能和抗攻击性上更差，但对未见队伍的泛化能力更强。我们的代码和数据已开源于 https://github.com/cameronangliss/vgc-bench 和 https://huggingface.co/datasets/cameronangliss/vgc-battle-logs。