balrog-benchmark

介绍了一个针对LLM游戏智能体的自动提示优化框架，该框架将观察-行动流水线分解为两个智能体，并通过环境回报引导的进化循环迭代优化提示。在BabyAI任务上评估，显著提高了成功率（例如，在PutNext上从0%提升到72.5%），且无需更新模型权重。