pokechamp

让语言模型在宝可梦对战中达到专家级水平

PokeChamp 是 ICML 2025 spotlight 论文的官方实现，一个达到专家级水平的 Minimax 语言智能体。它解决的是在复杂策略游戏中，如何让大语言模型通过自主决策和对抗学习达到顶尖玩家水平的问题。核心能力包括：基于 Minimax 搜索的决策框架，结合语言模型的策略评估与动作生成，以及自我对弈训练机制。项目提供了完整的训练和推理代码，支持在宝可梦对战环境中进行实验。通过将经典博弈树搜索与现代大语言模型结合，PokeChamp 展示了语言智能体在规则复杂、信息不完全的游戏中超越人类专家的潜力。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 185

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队sethkarten

所属国家

官网地址https://sites.google.com/view/pokechamp-llm

GitHubhttps://github.com/sethkarten/pokechamp

定价模式free

价格说明开源项目，无在线服务，需自行部署，完全免费。

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型competitive-games,large-action-model,large-language-models,multi-agent-reinforcement-learning,pokemon,pokemon-showdown,pokemon-showdown-bot,pokemonshowdown,pokemonshowdown-bot,test-time-compute

GitHub 星标★ 185

30天Star增速

HF 下载量

上线时间2024-10-02 00:00:00

最近更新2026-09-18 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

ICML 2025 官方实现，算法经过学术验证，权威性强
将 Minimax 搜索与 LLM 结合，决策可解释且策略稳健
提供完整训练/推理代码，便于复现和二次开发

不足之处

项目处于早期阶段，文档和社区支持待观察
依赖特定游戏环境，泛化到其他领域需额外适配

适用场景

游戏 AI 研究：探索 LLM 在策略游戏中的决策能力
智能体训练：利用自我对弈提升模型对抗策略
学术实验：复现论文结果或作为基线对比

替代项目

PokemonRedExperiments、LLM-Zero、Gymnasium

项目介绍

pokechamp 是智能体领域的开源项目，由 sethkarten 开发，2024 年首次发布。

它收录于智能体分类，该分类目前共有 2,517 个项目，GitHub 星标数为 185。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-18。无在线服务，需自行部署，完全免费。

它主要面向的使用场景是：游戏AI研究：探索LLM在策略游戏中的决策能力。同类可对比的替代方案包括 PokemonRedExperiments、LLM-Zero、Gymnasium。

上一篇：designing-multiagent-systems

下一篇：Awesome-Agentic-Reasoning