Stan Gerard 和 Quiver Bran 團隊創建了一種新方法來測試 AI 模型的處理能力和速度。這種方法允許大型語言模型 (LLM) 控制《街頭霸王 3》電玩遊戲中的角色，它們相互競爭以確定哪個 AI 模型最快、反應最靈敏。如其名稱所示，LLM Coliseum 是 AI 模型在遊戲過程中做出即時決策的地方，其效能受到決策速度等因素的影響。
Mistral Small 和Mistral Medium 等AI 模型在LLM Coliseum 舞台上佔據了中心舞台，在《街頭霸王3》的快節奏環境中展示了它們的戰略敏銳度和決策能力。這些AI 接受了測試並評估了它們的效能使用勝率矩陣和 ELO 排名系統等進階指標。目前，OpenAI的GPT-3.5 Turbo處於領先地位，展現了其在虛擬戰場中的卓越技能和適應性。
街頭霸王人工智慧戰鬥
這些人工智慧模型的成功取決於它們根據遊戲不斷變化的動態做出瞬間決策和執行智慧策略的能力。《街頭霸王 3》需要快速反應、精確計時以及預測和對抗對手動作的能力。在「LLM Coliseum」中競爭的人工智慧迎接了挑戰，展示了分析遊戲狀態、預測敵人行動以及即時設計有效戰鬥技術的非凡技能。
LLM Coliseum 開源框架
LLM Coliseum 計畫最令人興奮的方面之一是其開源性質，它鼓勵愛好者和研究人員積極參與人工智慧革命。該專案提供了一個全面的教程，引導用戶完成設定必要的軟體和獲取在街頭霸王 3 環境中實現 AI 模型所需的 API 金鑰的過程。
透過使該框架可供更廣泛的受眾使用，「LLM Coliseum」旨在鼓勵人工智慧和遊戲社群內的協作、創新和思想交流。參與者有機會探索人工智慧決策、實驗的複雜性。具有不同的型號和配置，並為專案的持續開發和改進做出貢獻。
績效分析及競爭力排名
「LLM Coliseum」強調績效分析和競爭排名。勝率矩陣是一個有價值的工具，用於評估不同 AI 模型的比較效果，深入了解它們在各種比賽中的優勢、劣勢和整體表現。這種數據驅動的方法可以更好地理解有助於人工智慧控制遊戲成功的因素。
此外，ELO 排名系統引入了人工智慧模型之間競爭和等級制度的元素。透過根據學習、適應和在戰鬥中取得勝利的能力進行評分，ELO 系統建立了一個排名，突出了人工智慧最強大的競爭對手。有趣的是，在這個排名中，較小的人工智慧模型通常表現優於較大的模型，這凸顯了速度和效率在人工智慧遊戲智慧中的關鍵作用。
擴展和未來的可能性
LLM Coliseum 不斷發展和擴張，代表著人工智慧在遊戲領域的未來的巨大潛力。該專案路線圖預計將整合更多遊戲和角色，這將擴大人工智慧驅動遊戲的範圍，並開闢新的探索和實驗途徑。
此外，法學碩士體育館的進步對遊戲領域之外也產生了深遠的影響。從做出即時決策和進行策略規劃的人工智慧模型中學到的經驗教訓可以應用於各個領域，例如機器人、自主系統和複雜的問題解決場景。該項目證明了人工智慧技術的快速進步及其為娛樂以外的行業帶來革命性變革的潛力。
AI Battle Arena 在遊戲中突破了 AI 的可能性，並邀請愛好者、研究人員和開發人員加入冒險，幫助塑造這個令人興奮的領域的未來。憑藉其用戶友好的設置和全面的教程，該專案允許個人深入人工智慧遊戲的世界，獲得寶貴的專業知識，並最終在不斷變化的人工智慧領域留下自己的印記。有關更多信息，請訪問官方 GitHub 存儲庫。
