LLM as a Mastermind: A Survey of Strategic Reasoning with Large Language Models

本文全面调查了大型语言模型（LLMs）在战略推理中的现状和机遇，战略推理是一种复杂的推理形式，需要理解和预测多智能体环境中对手的行动并相应地调整策略。战略推理的重点在于多智能体之间交互的动态和不确定性，理解环境并预测他人的行为至关重要。我们探讨了与LLMs相关的战略推理的范围、应用、方法和评估指标，突出了这一领域的蓬勃发展和跨学科方法对其决策性能的增强。本文旨在系统化和澄清关于这一主题的零散文献，提供系统的综述，强调战略推理作为关键认知能力的重要性，并提供未来研究方向和潜在改进的见解。

本论文旨在探讨大型语言模型在战略推理中的应用和机会，解决在多智能体环境中理解和预测对手行为的复杂推理问题。

本文系统地回顾了大型语言模型在战略推理中的应用、方法和评估指标，强调了战略推理作为关键认知能力的重要性，并提出了未来研究方向和潜在改进。

论文提供了一个全面的综述，介绍了战略推理的重要性和大型语言模型的潜在应用，同时还探讨了不同的方法和评估指标。研究使用了多个数据集和交叉学科的方法，为未来的研究提供了启示。

最近的相关研究包括“Large-Scale Multi-Agent-Based Simulation Using Reinforcement Learning for Urban Traffic Control”和“Multi-Agent Reinforcement Learning for Traffic Light Control”。