وكلاء LLM بنوا في 20 يومًا ذكاءً اصطناعيًا للعبة Hearthstone Battlegrounds يتفوق على أفضل 10 لاعبين

اختبر باحثون من MCG-NJU (Changlian Ma وLimin Wang) أيهما يجيده وكلاء LLM أكثر: اللعب أم البناء. وجاءت الإجابة حاسمة. فقد جمع نظامهم AutoTavern في 20 يومًا محاكيًا كاملًا للعبة Hearthstone Battlegrounds، ودرّب عليه الوكيل TavernAgent، الذي تفوّق على أقوى عشرة لاعبين على الخادم في سلّم التصنيف الحي. ارتفع التصنيف من 6000 إلى نحو 15 000 MMR، وسجّل الروبوت في آخر 20 مباراة متوسط ترتيب 1,60 ونسبة 80% انتصارات.

تُعدّ Battlegrounds بيئة صعبة على الذكاء الاصطناعي: ثمانية لاعبين، ومتاجر ومعارك عشوائية، ومعلومات مخفية، وما يقارب ألف بطاقة تتفاعل فيما بينها. ولهذا السبب اختارها المؤلفون اختبارًا لوكلاء «بحثيين» قادرين على أخذ مهمة معقدة من البيانات الخام إلى نظام يضاهي البشر.

مصنع بحثي بدلًا من لاعب

يعمل AutoTavern كنظام بحثي ذاتي التحسين. يتشارك وكلاء LLM المتخصصون ذاكرة بحثية مشتركة محددة الأنواع، وتمرّ كل مقولة عبر بوابات تحقق، بينما تُغلق المباريات الحية حلقة التغذية الراجعة. وفي ضوء النتائج يحسّن الوكلاء المحاكي والخصوم والسياسة، وكذلك عمليتهم البحثية نفسها. ويحدد الإنسان الأهداف والقواعد للآليات الملتبسة، أي أنه يبقى حكمًا لا مطوّرًا.

كانت النتيجة الأولى TavernGym، وهو بحسب المؤلفين أول نسخة دقيقة قابلة لإعادة الإنتاج من اللعبة الحية بمجموعة المحتوى الكاملة. وبناءً عليه أصدر الوكلاء 23 نسخة من TavernAgent. دُرّب هذا الوكيل عبر PPO ضد خصوم جرت معايرتهم على مباريات حقيقية، ويلعب مباريات كاملة على السلّم باستقلال تام.

الأرقام في مواجهة البشر ونماذج LLM

وفق مقياس لوحة المتصدرين العلنية، يحقق TavernAgent متوسط ترتيب 1,60 ونسبة 80% من المراكز الأولى في آخر 20 سجلًا. أما أعلى عشرة لاعبين تصنيفًا على الخادم فتبلغ مؤشراتهم نفسها 2,34 و59%. أي أن الروبوت يتفوق في كل إحصائية.

وللمقارنة مع النماذج اللغوية، أعدّ المؤلفون TavernBench: 960 مهمة في 40 سيناريو. أبرز النتائج:

• يحل TavernAgent نسبة 91% من مهام اللعب، بينما لا تتجاوز نسبة أفضل نماذج LLM الرائدة 63%؛
• زمن الحل لدى TavernAgent هو 0,03 ث، ولدى نماذج LLM يصل إلى 26 ث؛
• ضمن الثانية الواحدة التي تتيحها الحركة الحية، يحافظ TavernAgent على 90% من الجودة، ولا يتجاوز أي نموذج LLM نسبة 26%؛
• التصنيف على السلّم: من 6000 إلى نحو 15 000؛
• متوسط الترتيب: 1,60 مقابل 2,34 لدى أفضل 10 لاعبين على الخادم؛
• نسبة المراكز الأولى: 80% مقابل 59%؛
• حجم العمل: 20 يومًا، و23 نسخة من الوكيل.

ويصوغ المؤلفون استنتاجهم بحدّة: وكلاء LLM يبنون أفضل بكثير مما يلعبون. فالنموذج اللغوي الذي يحتاج إلى عشرات الثواني للتفكير في حركة واحدة يخسر أمام سياسة صغيرة متخصصة صنعها هو نفسه أو زملاؤه.

ما الذي يمكن الاستفادة منه

الدرس العملي الأهم: لا ينبغي إجبار LLM على اتخاذ كل قرار في اللعبة. الأجدى استخدامه مهندسًا يبني البيئة، ويتحقق من القواعد، ويدرّب نموذجًا مدمجًا ويحسّنه بالتكرار اعتمادًا على بيانات حقيقية. وينطبق ذلك على أي مهام ذات قيود صارمة على زمن الاستجابة: التداول، واللوجستيات، والروبوتات، والمحاكاة.

الثاني: تبدو بوابات التحقق والذاكرة المشتركة محددة الأنواع وصفة عملية لحلقات بحثية ذاتية طويلة. فمن دون التحقق من المقولات يراكم الوكلاء الأخطاء بسرعة، وقد شكّل المحاكي الدقيق هنا الأساس لكل ما بُني عليه.

الثالث: كود TavernGym وبنشمارك TavernBench متاحان بشكل مفتوح على GitHub (MCG-NJU/AutoTavern). وهذا يمنح المجتمع منصة اختبار قابلة لإعادة الإنتاج لتقييم الأنظمة الوكيلة على لعبة تقوم على المعلومات المخفية والعشوائية. ويجدر التذكير بأن النتائج تخص لعبة واحدة وأن المؤلفين أنفسهم هم من أعلنوها، وأن الإنسان في الحلقة فصل مع ذلك في المسائل الخلافية المتعلقة بالآليات. لكن 20 يومًا من الصفر إلى مستوى يفوق أفضل لاعبي الخادم تُظهر الاتجاه الذي تسير نحوه أتمتة البحث التطبيقي.