LLM 智能体玩转 Pokémon Showdown 双打对战

研究者基于 Pokémon Showdown 的 2v2 模式构建了多智能体 Gym 评测环境，用于评估大语言模型智能体的协作与沟通能力。测试显示，可自由交流的 Qwen3.8-27B 团队对阵最大伤害脚本机器人的胜率达 64%，高于无交流的 42% 与单模型控制双宝可梦的 54%，但单局消耗 978k prompt tokens。