学术文献

文号「兵棋赛组字〔2025〕02 号」，明确专项赛下设四个分赛道，面向军地高校、科研院所、军工企业公开报名。

官网「大赛介绍」原文——远程协同（赛道四）：远程协同打击攻防博弈挑战赛专项赛依托「决胜千里」智能博弈推演平台，面向远程协同精确打击典型红蓝博弈场景设置比赛，聚焦复杂动态态势认知、作战方案高效制定和临机智能辅助决策需求。

大赛由中国指挥与控制学会主办，南京大学智能科学与技术学院、CICC 智能博弈与兵棋推演专委会、国防科技大学系统工程学院等承办；12 月 2—5 日在南京大学苏州校区举行（12 月 4 日全部比赛结束）；设人人对抗主体赛、智能算法挑战赛、手工推演比赛三大赛道共 6 个子赛项，依托「墨子未来指挥官」「灵弈智能推演系统」「智空」「城池攻略」「决胜千里」等平台，覆盖联合作战、空中作战、城市作战、远程导弹攻防博弈等领域；全国 25 个省、2.3 万名选手报名。

公开检索摘要显示，该指南提供含 jsqlsim Python SDK、JSQLSceneTool、JSQLEngine 的工具包，用于智能体开发接入。

公开摘要片段提到「在 X 分钟内重创蓝方旗舰/巡洋舰/驱逐舰」一类由作战意图输入参数化的评分表述。

火箭院（航天一院）研发中心自办「弈起进化」系列智能博弈挑战赛，2024 年为第六届。

用 LLM 多智能体复现一战、二战与战国历史场景，观察联盟形成、冲突升级与开战决策的涌现模式。

把对话语言模型（谈判）与规划引擎（动作选择）解耦再耦合，在《Diplomacy》中达到人类水平。

在不完全信息、含欺骗的二人零和博弈上，用无模型多智能体 RL 达到人类专家水平，无需搜索或人工启发式。

在开放式（无固定胜负判据）兵棋中评估 LLM 生成想定、裁定与行动方案的能力，讨论 LLM 在推演中承担"裁判/参谋"角色的可行性与局限。

以《Snow Globe》类兵棋模拟实验，发现多款前沿 LLM 在军事/外交场景中表现出升级倾向与不可预测性。

提出「记忆流 + 反思 + 计划」三件套的智能体架构，让 25 个智能体在小镇中涌现出可信的群体行为。

从规划、记忆、工具、行动四个模块系统梳理 LLM 智能体的构建范式。

综述 LLM 与多智能体系统的架构结合方式、协同机制与开放问题。

以「深度网络先验 + MCTS 搜索 + 自博弈」三要素，从零学会国际象棋与将棋并超越人类。

在部分可观测、实时、大动作空间的 RTS 环境中达到宗师级水平，关键在联盟训练与模仿-强化混合。

不依赖规则、只学隐式环境模型即可做前瞻搜索。

MCTS 的经典综述，给出选择/扩展/模拟/回传四阶段的统一表述与变体分类。

交替生成"思考轨迹"与"动作"，让 LLM 与外部环境闭环交互。

把 LLM 生成组织为树状搜索，支持前瞻、回溯与多路径评估。

把 LLM 同时当作世界模型与推理智能体，用 MCTS 在其内部做规划。

在树搜索中融合 ReAct、反思与价值模型，在 WebShop 等决策环境显著优于无搜索基线。

用语言化"复盘"写入记忆，替代梯度更新来改进后续决策。

同一模型生成 → 自评 → 修订的迭代回路，无需额外训练即提升输出质量。

以"可对话智能体 + 可编程会话"为抽象，支持多角色协作与人工介入。

用"角色扮演 + 初始指令"驱动两个智能体自主对话完成任务，并提出角色翻转等失效模式。

把标准作业流程（SOP）编码为智能体流水线，让"产品经理/架构师/工程师"协同产出。

以"聊天链 + 阶段性角色"实现端到端软件开发，并提出"通信幻觉"等缺陷分析。

模型自监督学习"何时调用哪个 API"。

面向大规模真实 API 的调用生成与检索增强，显著降低"幻觉调用"。

构建 16000+ API 的指令数据集与 DFSDT 多路径决策搜索算法。

强模型"造工具"（生成 Python 函数），弱模型"用工具"，把一次性推理固化为可复用工件。

确立分层任务网络（HTN）规划的复杂度与表达力边界，是"任务分解"的形式化起点。

提出模型与外部工具/数据源之间的标准上下文协议（MCP），统一资源、工具与提示模板的暴露方式。

把多个 LLM 串成级联/路由，在给定预算下达到接近最强模型的质量。

为多模型路由提供统一基准与评价口径（质量-成本曲线）。

训练路由模型预测"小模型是否够用"，并给出质量感知的路由阈值。

用人类偏好数据训练路由器，在保持响应质量的同时大幅降低调用成本。

小模型快速起草、大模型并行校验，理论加速且不改变输出分布。

给出投机采样的严格形式与无偏性证明，将加速显式化。

把参数化模型与外部可检索记忆结合，RAG 的奠基论文。

把 RAG 划分为朴素/进阶/模块化三代，梳理检索、生成、增强三支柱。

用优化后的 LLM 评分智能体对兵棋推演策略打分，追求稳定性与专家一致性。

二者共同构成"LLM 进入兵棋回路"的公开研究主线。

梳理人机编队中的信任、职责分配、可解释性与训练需求。

研究多智能体系统中通过动态任务分配来保持"有意义的人类控制"。

讨论 AI 在任务式指挥（mission command）中聚合信息、降低认知负荷的公开实践。

从伦理与治理角度讨论智能体化数据系统进入军事指挥的问题。

公开报道的 AI 辅助战场管理（battle management）实验，强调速度与准确率提升。

兵棋推演的裁定（adjudication）、团队配置、数据采集等方法学讨论。

RAND 兵棋/仿真相关公开学位论文，涉及行为体建模与推演设计。

系统梳理 WTA 的模型族（静态/动态、单/多目标）、算法族（精确、启发式、元启发、RL）与应用。

面向贴近实战环境的 WTA，比较精确算法与深度强化学习路线。

离散化 Lanchester 消耗模型，并引入"预防性投降"行为。

梳理机器学习在空战行为建模中的方法、数据与验证方式。

总结深度强化学习在智能空战自主决策中的挑战、突破与展望。

用多目标竞争性协同进化优化两方陆战兵棋策略。

以能力需求为引导的并行进化算法求解武器体系部署位置。

公开期刊论文，讨论舰队防空体系下多类资产的运用概念建模。

跨 8 类交互环境评测 LLM 作为智能体的能力，揭示"对话强 ≠ 智能体强"。

在真实业务域中评测"工具调用 + 用户交互 + 规则遵循"，强调 pass^k 一致性指标。

面向真实世界助理任务的基准，含多步推理、工具使用与多模态。

提出"多维场景 × 多维指标"的整体评估框架（准确率、校准、鲁棒性、公平性、效率等）。

系统梳理智能体评测的维度：核心能力、应用基准、通用智能体、开发框架评测。

提出智能体评测的分类法，区分评测目标与评测过程两个维度。

综述 LLM 作为评判者的方法族与偏差（位置偏差、自偏好、长度偏差）。

给出提升 LLM 评判一致性、可靠性与可解释性的路线图。

针对 ChatGPT 类大语言模型在兵棋环境中的应用，提出双层 Agent 任务规划框架，让 LLM 在兵棋环境中生成决策。

公开摘要明确提出「基于大小模型协同的分层 Agent 协作决策框架」：多层级结构实现战场任务层级解耦与动态协同；构建记忆管理模块与 LLM 驱动的查询优化机制（语义重构、上下文补全）；时间驱动的双阶段任务规划（全局任务规划 → 原始任务评估 → 动态任务更新）；实验以 DeepSeek-V3 为核心决策模型，验证任务规划与指令遵循能力。

综述大模型用于计算机生成兵力（CGF）决策行为建模的方法与挑战（以期刊公开页面为准）。

公开摘要指出，武器目标分配需依据作战目的、武器资源、目标威胁等级等约束，结合战场态势信息求取最佳方案，是作战指挥决策的关键环节；重点评述如何在尽量短的计算时间内获得最优分配方案的智能优化算法。

对战役战术级兵棋推演中的智能决策博弈方法进行综述（详见检索页摘要）。

梳理人机博弈中的技术、挑战与机会。

公开全文片段显示，其决策步长的驱动力量由三部分组成：①LLM 本身；②在 LLM 调遣下提供智力支撑的知识图谱、动态规则库、历史推演库、工具集；③行为树（BT）、启发式搜索等常规决策 Agent 建模方法。

公开片段指出"生成式兵棋 AI 旨在为兵棋环境中的智能决策提供一种新的决策框架"。