目前网络上有非常多 LLM 大语言模型，就 AI 聊天机器人来说，训练数据越多，基本上就越厉害，但如果应用在格斗游戏就不是这样，最近国外有人将 LLM 与《街头霸王》游戏结合，测试 14 个大语言模型，最终获胜的反而都是小模型。
这个开源项目叫做 LLM Colosseum，由 Stan Girard 和 Quivr Brain 开发，根据介绍，这款游戏是在模拟器中运行，允许 LLM 操作游戏中的角色并进行对决（角色仅限使用 Ken），每个人都能下载安装这个项目自行测试。
Amazon 员工 Banjo Obayomi 几天前分享一篇他使用这项目来测试 14 个 LLMs 的结果，内容也有详细说明 LLM 是怎么控制《街头霸王》游戏中的角色。 LLM 会不断读取游戏的当前状态，如：角色位置、生命值和分数，这些数据会被翻译成一个提示，如：可采取的动作和建议的策略，以便于 LLM 的理解和使用：
LLM 接收到这个提示后，会分析当前游戏状态并决定接下来的行动，转化为游戏指令，并在模拟器里实施，像是靠近、后退、波动拳、升龙拳：
从博主 Matthew Berman 分享的视频，可以看到一个比较完整的对决，左边是 MISTRAL SMALL 模型，右边是 MISTRAL MEDIUM 模型，两个模型打起来还蛮顺的，不过有个细节可以注意，这些二个模型似乎都没有所谓的防守动作，就只是移动、攻击这样。 如果是跟人类对打，没意外人类很容易就赢了：
无论如何，这是一场 LLM 之间的战斗，最终是 MISTRAL SMALL 获胜，小模型比大模型还强。 由此可见，不同于 AI 聊天，格斗游戏最看重的是速度和反应，LLM 小模型通常具有较低的延迟和速度。
Matthew Berman 视频后半段还有安装 LLM Colosseum 项目的教程步骤，想要自己玩玩看的人推荐看一下。
而 Banjo Obayomi 测试的 14 个大语言模型，最终获胜的是 claude_3_haiku，总共进行 314 场比赛。 他也发现到小模型延迟较低，每场比赛的反应时间都更快、动作也更多，因此 Anthropic 的 Claude 拿下前面位置也不意外：
不过 LLM 虽然很聪明，但也不是没有缺点，有时候还是会出现一些特殊状况，像是「幻觉」、「拒绝游玩」。 另外每个 LLM 也有独自的游戏风格，有些喜欢激进的攻击，有些则是采取更具防御性的反击，甚至还有不断重复发送相同动作的垃圾攻击：
