SEMA Framework für RTS-Szenarien

Das Paper präsentiert SEMA, ein selbstentwickelndes Multi-Agent-System zur effizienten Entscheidungsfindung in Echtzeitstrategiespielen. Es überwindet die Geschwindigkeits-Qualität-Kompromisse von großen Sprachmodellen durch adaptive Kalibrierung des Modell-Biases und topologische Spielzustandsmodelle, was sowohl die Entscheidungsqualität als auch die Geschwindigkeit verbessert. SEMA bietet wichtige Implikationen für die Entwicklung autonomer Systeme in dynamischen Umgebungen.