Language Agents with Reinforcement Learning for
Strategic Play in the Werewolf Game
论文地址：
https://arxiv.org/abs/2310.18940
https://arxiv.org/abs/2310.18940
https://arxiv.org/abs/2310.18940
1.概述
在AI领域，构建具备逻辑推理、战略决策以及人类沟通能力的智能体一直被视为长远追求。大规模语言模型（LLMs）凭借丰富的知识储备和出色的泛化能力，在构建智能体方面呈现出巨大的应用潜力，并已推动了一系列近期的技术突破。这些基于LLM的智能体在网页浏览、复杂电子游戏及现实应用等多个场景中均展现出卓越的性能。在多智能体环境中，它们更是展现了与人类相似的互动、零样本合作以及与对手竞争的能力。
