用于《星际争霸II》策略优化的世界模型

大型语言模型（LLMs）近期展现出强大的推理和泛化能力，激励其在复杂环境中作为决策策略使用。《星际争霸II》（SC2）因其庞大的状态-动作空间和部分可观测性，成为具有挑战性的测试平台。然而，现有的基于LLM的SC2智能体主要关注改进策略本身，而忽视了将可学习的动作条件转移模型整合到决策循环中。为弥补这一差距，我们提出了StarWM，这是首个针对SC2的世界模型，能够在部分可观测条件下预测未来观测。为促进对SC2混合动态的学习，我们引入了一种结构化的文本表示方法，将观测分解为五个语义模块，并构建了SC2-Dynamics-50k数据集，这是首个用于SC2动态预测的指令调优数据集。我们进一步开发了一个多维离线评估框架，用于预测结构化观测。离线结果表明，StarWM相比零样本基线有显著提升，包括资源预测准确率提高了近60%，以及自身宏观局势一致性提升。最后，我们提出了StarWM-Agent，这是一个集成StarWM的世界模型增强决策系统，将其纳入生成-模拟-优化的决策循环，以实现前瞻性驱动的策略优化。在线评估结果显示，StarWM-Agent在对抗SC2内置AI时表现稳定，分别提升了30%、15%和30%的胜率，同时改善了宏观管理稳定性和战术风险评估。