融合多阶段专家策略与多思维链的实时对抗策略生成方法 梁厘子1，杨桃2，何小白1,2 ，杨文静3（小四...

融合多阶段专家策略与多思维链的实时对抗策略生成方法
梁厘子1，杨桃2，何小白1,2 ，杨文静3（小四）
（1..国防科技大学系统工程学院,湖南长沙410073;）（小五）
摘要：在智能体博弈对抗策略研究中，往往需要智能体在动态环境下兼顾态势感知与精细化单位操作。为提升大语言模型(Large Language Models, LLMs)在此类场景的决策能力，提出了融合多阶段专家策略与多思维链的实时对抗策略生成方法(Real-Time Adversarial Strategy Generation with Expert Multi-Stage and Multi-Chain-of-Thought Reasoning, RT-AME-MCoT)：通过整合游戏实时画面（图像态势）与观察信息（文本）为模型提供更全面的战场信息，并在提示词中嵌入分时专家知识与多思维链推理，从而大幅提升单位操控与决策精度。方法在星际争霸II (StarCraft II, SC2)高难度等级的典型对抗场景中进行了20局测试，取得95%胜率，显著超越未使用多思维链或专家策略的消融配置，验证了其精细化操作效果，为大语言模型在实时对抗策略生成领域的进一步应用提供了有力思路。
关键词：星际争霸II；大语言模型；专家策略；多思维链推理；精细化控制（小五）
中图分类号：TP18 文献标志码：A文章编号：（小五）
Real-Time Adversarial Strategy Generation Integrating Multi-Stage Expert Policies and Multi-Chain-of-Thought Reasoning
LIANG Li zi1,YANG Tao2,HE Xiao bai1,2,YANG Wen jing3（小四）
(1..College of Computer Science and Technology, National Unibersity of Defense Technology, Changsha 410073, China;)（小五）
Abstract: In multi-agent adversarial strategy research, it is often required that agents maintain both situational awareness and precise unit control in dynamic environments. To address these demands, a Real-Time Adversarial Strategy Generation method with Expert Multi-Stage and Multi-Chain-of-Thought Reasoning (RT-AME-MCoT) was introduced. In this approach, real-time game visuals (image-based situational awareness) and observational information (text) were integrated to provide the model with a more comprehensive battlefield perspective. Meanwhile, time-phased expert knowledge and multi-chain-of-thought reasoning were embedded in the prompts, which significantly improved unit micro-management and decision accuracy. The proposed method was tested in a high-difficulty StarCraft II(SC2) scenario over 20 matches, achieving a 95% win rate, and it substantially outperformed ablation variants that omitted either multi-chain-of-thought or expert strategies. These results demonstrate its effectiveness for fine-grained tactical control and suggest a promising direction for further applying large language models to real-time adversarial strategy generation tasks.
Keywords: StarCraftII; large language model; expert strategy; multi-chain-of-thought reasoning; fine-grained control
《星际争霸II》是一款高度复杂的RTS游戏，凭借其丰富的战术深度与高速动态环境，已成为多智能体强化学习（Multi-Agent Reinforcement Learning, MARL）、策略规划以及对抗博弈等前沿研究的重要平台。例如，Vinyals等人[1]利用MARL等方式训练AlphaStar，使其在《星际争霸II》中达到宗师级别，超越99.8%的战网官方排名玩家。
近年来，人工智能领域经历了LLMs的技术范式变革，以ChatGPT[2]、LLaMA[3]为代表的LLMs相继涌现，GPT-4[4]、GPT-4o[5]等多模态模型也不断突破现有水平。研究者们尝试利用LLM在此类复杂的RTS环境中实现更加灵活且可解释的决策支持。
与传统强化学习（Reinforcement Learning, RL）方法相比，LLMs凭借其强大的自然语言理解与推理能力，在解读高维度游戏信息、给出可解释战术规划以及多回合复杂对抗等方面展现出独特优势。近期研究亦证明了LLMs在《星际争霸II》上的潜力：例如，WeiyuMa等人[6]提出的TextStarCraftII框架，通过帮助LLM更好地理解游戏环境，从而在高难度下击败内置AI。
然而，LLM在《星际争霸II》这类需要高精度操作的对抗场景仍面临挑战：现有研究多聚焦宏观决策，忽视了对战斗至关重要的微观操作（如单位位置控制、地形利用和攻击优先级）。TextStarCraftII[6]虽让LLM介入宏观指挥，却难以处理单位级别的操作；而RL方法（如AlphaStar[1])则依赖海量数据与漫长训练，资源成本过高。SwarmBrain[7]等混合方案也未能充分利用视觉信息，其宏观依赖LLM、微观依赖ReflexNet的模式，致使多模态信息利用不足。LLM-PySC2基于PySC2库开发[8][9]，虽提供图像和文本两种观测信息，却缺少针对多模态信息的高效提示词设计，导致单位移动与攻击目标不够准确，无法充分发挥多模态优势。
为了解决LLM在精细化控制决策中的不足，本文基于大语言模型星际争霸II学习环境(the Large Language Model StarCraft II Learning Environment, LLM-PySC2)提出了融合专家分时策略与多思维链推理的星际争霸II多模态提示词方法（RT-AME-MCoT）。该方法结合了专家分时策略的战术知识和多思维链推理的推理能力，采用了多模态输入（包括图像与文本），有效提高了LLMs在复杂战斗场景中的决策质量。在此方法中，专家知识模块通过输入战术性提示帮助LLM处理关键决策，同时利用多思维链推理模块进行逐步推理，从而优化决策过程。与传统RL相比，RT-AME-MCoT无需海量训练数据即可取得高质量决策。
为验证所提方法在精细化控制场景下的实际效能，本文在一张专门设计的自定义地图上构建了SC2的高难度对抗场景——“1巨像对32小狗”。该地图包含高低地形、狭窄路径及可通行的悬崖，地形运用和战术博弈难度都较高，具有很强的代表性与挑战性。在此场景中，我们对专家知识模块与多思维链推理模块分别进行消融实验，结果显示，去除任一模块后模型的胜率均显著下滑，而完整融合两者的RT-AME-MCoT方法依然能够保持95%的高胜率，充分证明了多模态提示词对图像与文本信息融合的优势，也验证了本方法在高动态RTS对抗中的可行性与可靠性。
1相关工作
1.1 LLMs在游戏领域的应用进展
随着LLMs在语言理解、推理和泛化等方面的迅猛发展[10][12]，它们在RTS游戏中也逐渐成为研究热点。《星际争霸II》是典型案例：传统游戏智能体主要依赖RL，如AlphaStar[1]，但其对大规模数据的依赖与泛化能力限制仍较明显。TextStarCraftII[6]首次将LLM引入《星际争霸II》，却在行动空间与多智能体协作上仍有局限。LLM-PySC2[8]则针对这些问题提供完整的多模态观测与行动空间。与此同时，LLMs也广泛应用于其他游戏，如Cradle在《荒野大镖客2》中的多模态感知[13]、玩家对话推理[14]，以及《宝可梦对战》《国际象棋》《扑克》等对抗场景[15][17]，为进一步优化《星际争霸II》提供了可借鉴的方案。
1.2 LLMs在游戏策略生成中的关键技术应用
早期研究主要集中于纯文本或命令行式的游戏交互，如《狼人杀（Werewolf）》或《阿瓦隆（Avalon）》中，模型通过对玩家对话语义解析辅助身份判断与策略制定[14][18]。同时，《宝可梦对战》《国际象棋》《扑克》等竞争游戏也依赖文本指令实现招式或走法规划[15][17]。在一些纯文本场景中，LLM既可进行推理，也能作为辅助决策工具，例如将图形界面转写为文本的扫雷，用于考察其多步逻辑推断能力[19]；以及在《我的世界》中，利用LLM进行层次化推理、文本知识检索与记忆，实现资源收集等任务[20]。这些研究既展示了LLM在对话、推理与执行层面的潜力，也暴露出其在长程策略和逻辑一致性上的不足，尤其在环境状态复杂的游戏中常出现重复操作或错误推理问题。
为应对复杂场景中的感知与决策需求，研究者逐步探索文本、图像、音频等多模态信息融合应用。在动作角色扮演游戏《黑神话：悟空》中[21]，我们提出了视觉-动作角色扮演（Vision-Action Role-Playing, VARP）智能体框架，该框架通过解析游戏截图与界面文本信息，大幅提升简单和中等难度战斗的成功率。类似地，在RTS游戏《星际争霸II》中，LLM-PySC2系统结合战场可视化与文字描述（如地图说明、兵种属性），使LLM更全面理解战场态势并制定策略[8]；而Cradle项目则将GPT-4V的视觉识别与文本分析应用于《荒野大镖客2》，通过图像解析与语言指令配合驱动角色完成探索与剧情推进[13]。多模态技术的结合不仅拓宽了LLM的感知—决策链条，也为后续研究如何走向通用人工智能提供了思路。
1.3专家策略在大模型驱动复杂任务中的实践
在RTS游戏和军事规划等高复杂度决策任务中，将专家知识融入大模型提示词已显著提升决策质量与效率[22][25]。一方面，专家知识帮助模型更准确地理解关键游戏机制与任务约束（如资源管理、战术时序或军事条令）[23]；另一方面，在提示词中嵌入丰富的专家指令可有效遏制模型在“大搜索空间”内的无效探索[24]。例如，作战方案生成预训练变换模型（Course of Action Generative Pre-trained Transformer, COA-GPT），通过在提示词中整合军事条令与领域知识，引导LLM在数秒内生成多个符合军事规范的作战方案，并可根据指挥官反馈快速优化[23];而PromptAgent在迭代提示优化过程中不断吸收并精炼专家指令，从而生成更专业的决策输出[24]。此外，在StarCraftII等RTS环境中，通过引入分层专家知识(Hierarchical Expert Prompt, HEP）方法，对资源调度和单位编队等关键决策实现了策略效果的提升，首次在文本星际争霸2的环境下战胜了精英级别的内置AI[25]。综上，在提示词中合理嵌入专家知识不仅为LLM提供了专业视角，也显著提升了其在复杂博弈和高风险情境下的决策稳定性与可控性。
1.4思维链在复杂任务中的研究进展
思维链（Chain of Thought, CoT）方法近年来在解决多步推理与策略规划等复杂任务中受到广泛关注。Wei等人[26]通过在提示中显式提供中间推理步骤验证了思维链对于算术、常识和符号推理的显著增益；Wang等人[27]则提出自洽性（Self-consistency）思维链方法，通过生成多条链并行分析并对答案进行投票，进一步提升了复杂任务的推理表现。与此相对应，Yao等人[28]提出的树状思维链（Tree of Thoughts, ToT）框架，允许在推理过程中探索多条候选路径并进行前瞻与回溯式决策，显著改善了模型对需要多轮迭代推敲或探索性较强任务的适应能力。
此外，为了克服单一文本推理的局限性并减少幻觉问题，Zhang等人[29]提出多模态思维链（Multimodal-CoT）方法，通过结合视觉与文本信息，有效提升模型在多模态任务（如视觉问答、科学推理）中的推理深度与准确度;Chu等人[30]从理论角度研究了思维链的推理机制，并对其在提示构建、结构拓展及推理优化中的作用进行了深入分析，揭示了CoT在复杂推理任务中的计算优势。与此同时，Gallotta等人[12]在综述LLMs与游戏结合时，也指出思维链在RTS等高复杂度的游戏领域具有显著潜力，可为实时推理和决策提供更丰富的思考路径。
综上所述，思维链从线性推理到自洽性思维链、树状结构及多模态融合等多种变体，已在多种复杂任务中展现出可观的性能和可解释性。对于诸如《星际争霸II》精细化控制决策这类对实时性与精准度要求极高的场景而言，若能进一步将多思维链方法与多模态信息、专家策略相结合，或可在高动态、对抗性任务中显著强化LLMs的决策水平，为RTS游戏的精细化控制研究带来新的思路与突破。
2方法
2.1总体架构概览
如图 1所示，本文提出RT-AME-MCoT框架，以在《星际争霸II》的复杂战斗场景中实现精细化的单位精细化控制。该框架通过将多模态输入（地图截图与文本信息）与多思维链推理以及专家知识相结合，引导LLM在多维度信息交互下产出更高精度的策略决策。其核心思想在于，先以示例输入提示提供视觉与文本描述，随后以系统提示融入专家多阶段策略与多思维链推理指令，最后通过示例输出提示示例化决策过程与执行方案，从而让模型逐步细化并评估决策路径，在对抗性极强的RTS环境中生成可解释且高效的精细化控制指令。其包含的三个关键组成部分，即系统提示、示例输入提示与示例输出提示。
2.2专家多阶段策略
为应对《星际争霸II》精细化控制中实时战场变化的挑战，本文提出了一种基于时间的专家多阶段策略。该策略在提示词中直接嵌入针对“1巨像对32小狗”场景的专家经验，为LLM提供阶段性战术指导，使其根据战场时间自动调整作战策略。具体而言，将战局划分为早期（0–6秒）、中期（6–20秒）和后期（>20秒）：早期侧重利用高地优势及机动避敌；中期引入“远程输出优先与适时机动”的经验；后期则强调“悬崖风筝与及时撤退”以延长生存。此分阶段策略显著提升了模型在不同战场时段的决策灵活性和生存效率。
2.3多思维链推理决策
为克服单链推理在复杂战场局势中思考风格单一、易陷局部最优的问题，本文引入多思维链推理决策模块，鼓励LLM并行生成“激进”、“保守”与“平衡”三条不同作战倾向的思维链，分别从不同角度评估环境状态、单位分布、武器冷却及地形因素，并生成行动建议。随后，通过
大模型自评比较各链输出，选取最优方案。为确保一致性，我们在提示词中预设了六步决策流程：环境检查、危险评估、武器冷却检测、决定移动或攻击、选择移动方向与攻击目标，以及
最终行动组合（例如<Move_Screen([x,y])>、<Attack_Unit(tag)>）。这一模块大幅提升了决策鲁棒性与准确性。
3提示词生成
为在《星际争霸II》中充分发挥LLMs在精细化控制决策中的潜力，需要将地图截图、单位状态以及专家知识等多模态信息构建成统一的Prompt（提示）。在本研究中，我们将提示词主要划分为三个部分：示例输入、示例输出以及系统提示。三者结合实时输入信息后，会生成最终的多模态提示。随后，该多模态提示与LLM-PySC2环境进行交互，每秒调用一次LLM完成决策。更详细的提示词内容可见附录A。
3.1示例输入及示例输出
在本研究的对战场景中，LLM需要同时接收文本和图像等多模态信息。为此，在示例输入部分，我们首先将示例图像的Base64编码（记为Iex1和Iex2）与对应的文字描述（descex1和descex2）拼接，形成两段图文结合信息。随后，这些拼接后的字符串与对局核心数据（记为gameInfo）合并，生成标准化的示例输入pIn。
其中，gameInfo不仅包括时间（如Time:0:05）、单位状态、武器冷却、坐标、血量等关键要素，还整合了“RelevantKnowledge”、“ValidActions”和“ActionArgs”等辅助说明，帮助模型理解兵种属性、可用技能及动作格式。最后，pIn中还嵌入了“ValidActions”与上一回合的“LastStepActions”，从而确保LLM在推理时可以直接调用诸如<Move_Screen([160,130])>等操作指令。
在生成示例输入生成同时，方法也会提供示例输入对应示例输出内容，其包含多思维链决策过程、自评与选择以及最终行动指令等要素的示例输出。具体地，模型会首先给出若干条“思维链”分析（如ThinkingA/B/C），逐步说明其对环境状态、单位分布及武器冷却情况的理解；随后通过“自评”环节选择最优作战方案；最后在“Actions”部分列出可执行指令，并附简要解释。
3.2系统提示
系统提示部分以纯文本形式构成，涵盖“决策与背景”、“目标与关键点”、“思维链指令”、“总体策略”以及“输出格式要求”五个模块，为LLM提供了分阶段专家策略与多思维链推理的核心规则。在LLM-PySC2环境中，该系统提示以system角色注入消息序列，指导模型遵循预设的专家策略与推理流程进行决策。
3.3最终多模态提示生成
在最终多模态提示生成阶段，我们将示例输入、系统提示、示例输出以及实时对局数据整合，构造出供LLM推理的完整消息序列。实时数据包括游戏截图（Base64编码）和最新文本观测信息（反映当前局势）。算法 1展示了整合过程：不同信息以system/user/assistant角色注入，从而使LLM能准确区分和利用各类数据。
算法 1 融合专家多阶段策略与多思维链推理的多模态提示生成方法
Alg. 1 Multimodal Prompt Generation Combining Expert Multi-Stage Strategies and Multi-Chain-of-Thought Reasoning
输入：ot:文本观测(单位,资源,时间等)；spr:系统提示；pIn:示例输人；po:示例输出(预期指令格式)；img:实时游戏画面截图(Base64编码)
输出：MsgSeq: 用于LLM推理的多模态消息序列
Function SC2_PROMPT(ot, spr, pIn, po, img)
MsgSeq←∅
MsgSeq.append(spr, role=“system”)
MsgSeq.append(pIn, role=“user”)
MsgSeq.append(po, role=“assistant”)
MsgSeq.append(img, role=“user”)
MsgSeq.append(ot, role=“user”)
Return MsgSeq
end function
3.4 RT-AME-MCoT方法在LLM-PySC2环境中的交互流程
在LLM-PySC2环境中，RT-AME-MCoT方法首先调用Env.reset()进行初始化，并将计时器last_call_time置为0。随后，在游戏循环中，每帧获取最新观测，并将帧数转换为当前时间game_time_s。若game_time_s−last_call_time≥1秒，则基于多模态信息（地图截图、对局状态）构造提示词并调用LLM生成决策，同时更新last_call_time；若尚不足1秒，则继续执行上一回合未完成的动作。无论LLM返回的是攻击指令（如<Attack_Unit(tag)>）还是移动指令（如<Move_Screen([x,y])>），均通过Env.step(actions)提交给环境执行。该过程在整个对战周期内不断迭代，从而以每秒固定频率利用多模态提示词实现对《星际争霸II》的实时精细化控制决策。
4实验与结果
4.1实验环境
本研究基于LLM-PySC2环境进行星际争霸II对局测试，采用GPT4o API来高效接收图像与文本输入。为确保实验具有足够的挑战性与代表性，我们设计了如图 2所示的自定义地图：地形包含高低差与狭窄通道，构建了“1巨像vs.32小狗”的战斗场景，高地视野与狭窄路径的交互使精细化控制与地形利用尤其关键。

图 2 高低地战斗场景图
Fig. 2 StarCraft II Battle Scene Featuring High-Ground and Low-Ground Terrain
为检验各关键模块对决策性能的影响，本文在相同初始状态与地图配置下进行20局对战，并设置四组实验：
•完整方法组：包含多模态提示词、分阶段专家策略和多思维链推理。
•消融实验1：去除多思维链，仅用专家提示+多模态输入。
•消融实验2：多思维链由并行改为单链推理，取消大模型自评输出。
•消融实验3：去除专家知识模块，仅保留多模态输入+多思维链，测试无专家提示的表现。
LLM-PySC2提供的RGB图像标记了256×256的屏幕坐标系来帮助大模型理解单位在游戏画面中的位置，坐标横轴与纵轴的取值范围分别为[0,256]（如图 3中网格线所示）。为了便于在LLM决策输出时直接生成可执行命令，图像保留了等间距网格线（如32、64、···224等刻度），并在示例输入提示词中明示LLM：若想移动或攻击到特定屏幕坐标点(x,y)，则可直接调用<Move_Screen([x,y])>，在LLM执行决策推理时，它会基于所见截图（带网格刻度）推断最佳移动坐标，并直接输出相应命令，如<Move_Screen([180,160])>；随后，系统会将这些指令映射至PySC2的屏幕动作接口并执行，从而实现精细化控制控制。
4.2评测指标构建
为了系统评估所提出的RT-AME-MCoT方法在《星际争霸II》精细化控制决策中的性能，本研究设计了一套多维评测指标。这些指标旨在全面刻

图 3 单位坐标精细化控制示例图
Fig. 3 Example of Coordinate-Based Micro-Control
画模型在胜负结果、战斗效率、生存能力以及资源利用等方面的表现，同时充分考虑RTS游戏精细化控制场景的动态性和复杂性。以下详细阐述各指标的定义、计算方法及其意义。
胜率(Win Rate,W)是衡量模型整体表现的核心指标，表示在所有对局中获胜的比例。其计算公式如下
█(W=〖N﷩win〗/N_total ×100%#(1) )
其中，N_"win" 为胜利局数，N_"total" 为总对局数。胜率直观反映了模型在给定场景下的决策可靠性，是后续分析的基础。
与胜率相辅相成的还有平均消灭敌人数（Average Kills per Game，E_"avg" ），用于衡量模型每局平均消灭的敌方单位数量，其计算公式为
█(E_avg=(∑(i=1)^(N"uat" )▒  E_i)/N_"total" #(2) )
其中E_i表示第i局消灭的敌方单位数。该指标突出模型的攻击效率，尤其在精细化控制中体现其对敌方单位的压制能力。
为进一步分析模型在不同对局结果中的作战效率，引人胜利平均时间（Average Victory Time，T_win）和失败平均时间（Average Failure Time，T_"bse" ）。胜利平均时间定义为获胜对局的平均持续时间：
█(T_win=(∑(i=1)^(N_min)▒  T_i^win)/N_win #(3) )
其中T_i^"win" 表示第i局获胜时的持续时间。相对应地，失败平均时间衡量失败对局的平均持续时间：
█(T_lose=(∑(i=1)^(N_"wee" )▒  T_i^bse)/N_lose #(4) )
其中T_i^"lose" 为第i局失败时的持续时间，N_"lose" 为失败局数。较短的T_"win" 表示模型在获胜时能更快完成任务，而较高的T_"lose" 则反映模型在劣势局面下仍具有一定持久作战能力。生存能力是精细化控制决策的重要维度，为此设计了胜利对局平均健康值剩余比例（Average Health Ratio in Wins，H_"win" ），计算公式为
█(H_win=(∑(i=1)^(N_win)▒  H_i)/N_win #(5) )
其中H_i表示第i局获胜时关键单位的剩余健康比例。较高的H_win表明模型在获胜时能有效保护关键单位，体现了其自我保护能力。
与此同时，为评估模型在失败对局中的攻击表现，我们定义了失败对局平均消灭敌人数（Average Kill Losses，E"lose" ），其计算公式为
█(E_"lose" =(∑(i=1)^(N"lose" )▒  E_i^"lose" )/N_"lose" #(6) )
其中E_i^"lose" 表示第i局失败时消灭的敌方单位数。最后，为综合衡量模型的杀伤效率与生存能力，我们引人了战损比（Kill－to－LossRatio，KLR），其计算公式如下所示：
█(KLR=(∑(i=1)^(N"toal" )▒  E_i)/N_"colossus_lost" #(7) )
其中N_"colossus＿lost" 表示在所有对局中关键单位（如＂巨像＂）的损失次数。较高的KLR表明模型在较低损失下实现了更高的战斗输出，适用于评估精细化控制场景中单位控制与战术选择的平衡性。
综上，上述指标共同构成了一个全面的评测框架，不仅覆盖了对局胜负的基本统计，还深量化了模型在决策效率，战斗效能和生存能力上的表现。通过这些指标，我们能够系统分析SC2-EMS
表 1 不同实验设置下的主要对战结果（GPT-4o）
Tab 1. Main Battle Results Under Different Experimental Settings(GPT-4o)
设置 Tot. W L W(%) E_avg T_win T_lose E_lose H_win KLR
仅保留单思维链 20 11 9 55 26.1 39.82 24 18.89 0.33 58
去掉多思维链 20 1 19 5 17.4 14 12.79 16.63 0.0771 18.32
消融专家知识 20 11 9 55 26.4 50.91 40 19.56 0.2642 58.67
完整方法 20 19 1 95 31.45 38 39 21 0.3211 629

量化了模型在决策效率，战斗效能和生存能力上的表现。通过这些指标，我们能够系统分析SC2-EMS-MCoT方法在《星际争霸II》复杂精细化控制任务中的优劣，为后续实验结果的解读和方法改进提供科学依据。
5实验结果
5.1xx实验
（游戏中、场景、典型的场景具有代表性、完成的具体的操作、验证编组··，难度高，反映的问题-时间空间动作）
本研究在“1巨像vs.32小狗”这一高难度精细化控制场景下，分别对完整方法与不同消融配置进行了20局对战测试。完整方法在多模态提示词的基础上，综合引入了分阶段专家策略与多思维链推理两大核心模块；各消融配置则分别去除了部分关键要素：仅保留单思维链（仍具备专家提示与多模态输入，但取消并行思维链机制）、去掉多思维链（仅依赖专家提示与多模态信息进行单步决策）以及消融专家知识（保留多思维链与多模态输入，但不采用分阶段专家策略）。下文首先给出各配置在对战场次、胜率、平均击杀等指标上的结果，以及系统资源消耗的统计数据；随后结合最优对局的细节分析，进一步展示完整方法如何在动态战场中兼顾输出与生存。
如（如＂巨像＂）的损失次数。较高的KLR表明模型在较低损失下实现了更高的战斗输出，适用于评估精细化控制场景中单位控制与战术选择的平衡性。
综上，上述指标共同构成了一个全面的评测框架，不仅覆盖了对局胜负的基本统计，还深
表 1所示，在完整方法下，系统在20局对战中取得19胜1负，胜率高达95%，单局平均消灭敌人31.45只；在胜利局中，巨像的平均剩余健康比例约为0.3211，累计消灭敌人数量达629，战损比（K/LRatio）则高达629。这些数据表明，在多模态信息融合、分阶段专家策略与多思维链（Multi-CoT）并行推理的共同作用下，系统在不同阶段和地形场景中均能保持高效且稳定的精细化控制决策。相较之下，去掉多思维链的配置虽在LLM调用和Token消耗上最低，但对抗表现最差（胜率仅5%）；仅保留单思维链或消融专家知识的配置则能维持一定的胜率与击杀数，但与完整方法95%的胜率仍有较大差距，说明多思维链与专家策略对于精细化控制决策至关重要。
在系统资源消耗方面，如表 2所示，去掉多思维链的配置调用次数最低（约12.85次/局），输入与输出Token数也最少；但对应的对抗表现极为低下，难以应对高速变化的战局。完整方法虽调用次数和Token消耗略高，却能取得极佳的胜率和生存能力，证明了在高难度精细化控制任务中，额外的推理投入能够显著提升决策质量。
表 2 不同实验设置下的系统资源消耗统计
Table 2 System Resource Consumption Statistics Under Different Experimental Settings
实验设置 调用
(次/局) 输入令牌
(次均) 输出令牌(次均)
仅保留单思维链 32.6 3225 403
去掉多思维链 12.85 2644 329
消融专家知识 44.9 3778 886
完整方法 38.0 3847 861
为进一步展示完整方法在最优对局（1巨像vs.32小狗）中的动态生存与杀敌表现，本研究记录了最佳对局从开局至29秒内巨像的关键状态数据，包括总健康值、护盾值、生命值以及累计杀敌数。根据分阶段专家策略，将对局划分为早期（1～5秒）、中期（6～20秒）和后期（21～29秒），并在图 4和图 5中直观显示了巨像的健康值曲线与累计杀敌数的增长趋势。
早期（1～5秒）：巨像初始总健康值为350（护盾100、生命250），基本处于满格状态；累计杀敌数由2增至6。此时通过“向右侧规避左侧狗群”的机动策略，兼顾了输出与生存。
中期（6～20秒）：对抗压力加大，总健康值逐步下降至约202；护盾几乎被打空，但生命值仍保持在200左右；与此同时，累计杀敌数稳步上涨，说明系统在保持生存的同时依然能维持较高的输出节奏。
后期（21～29秒）：血量在197～202之间小幅波动，至29秒时击杀数达到32，实现彻底歼灭敌方小狗。此阶段体现了“先保命后输出”的风筝战术，使巨像在剩余约60%生命值的情况下仍然完成了全歼目标的任务。
这一动态过程直观证明了多模态提示词、分、分阶段专家策略与多思维链推理的协同作用：巨像能够随时根据战场局势调整行动策略，成功兼顾生存与输出，最终以95%的高胜率与629的战损比展现出强大的精细化控制决策能力。

图 4 最优对局血量、护盾、生命值随时间变化
Fig. 4 Time-Series of Health, Shield, and HP in the Best-Performing Match

图 5 最优对局累计杀敌数随时间变化
Fig. 5 Cumulative Kill Count Over Time in the Best-Performing Match
5.2消融实验
为探究各关键模块对整体性能的影响，本文在完整方法的基础上针对三个关键要素进行了消融实验。实验所依据的主要指标见实验所依据的主要指标见表 1，各配置的资源消 耗参见表 2。
•仅保留单思维链：在保留专家策略与多模态提示词的前提下，仅采用单链推理；取消多思维链生成与自评过程后，胜率从95%降至55%，平均消灭敌人数降至26.1，战损比仅为58。
•去掉多思维链：完全不使用思维链推理，仅依靠专家提示和多模态信息进行单步决策，胜率进一步跌至5%，平均消灭敌人数仅17.4，战损比降至18.32。
•消融专家知识：保留多思维链和多模态提示词，但去除了分阶段专家策略的指引，系统胜率同样只有55%，平均消灭敌人数约26.4，且胜利局平均耗时延长至50.91秒，平均健康比例下降至0.2642。
可见，只有在同时保留多思维链推理与专家分阶段策略时，系统才能充分发挥多模态信息融合的优势，实现最优精细化控制决策；任一模块的缺失都会导致对抗表现显著下滑。
5.3总体性能比较
为进一步综合评估各配置整体性能，本文在对抗表现与资源消耗之外，引人了＂综合评分＂指标，用以统一衡量击杀效率（单位时间内的击杀数），对局时长和单位健康值三大要索。综合评分定义如下：
█(Score=0.4×K_"norm" +0.3×T_"norm" +0.3×H_"norm" #(8) )
其中，K_"norm" ,T_"norm" 以及H_"norm" 分别表示击杀数，对局时长和单位健康值的归一化结果。对于＂击杀数＂（Kills）和＂平均健康值＂（Health）这类＂越大越好＂的指标，采用Min－Max归一化公式：
█(X_norm=(X-X_min)/(X_max-X_min )#(9) )
而对于＂对局时长＂（Time）这类＂越短越好＂的指标，则在归一化后取补值，即：
█(T_norm=1-("Time" -T_min)/(T_max-T_min )#(10) )
本研究基于四组实验配置的统计结果，确定了(K_min,K_max )=(17.40,31.45),(T_min,T_max )=(12.85,46.00)以及(H_min,H_max )=(1.35,107.20)
表 3 四组实验配置的综合评分计算结果
Tab 3. Comprehensive Score Calculation Results for the Four Experimental Configurations

组别 平均击杀 平均时长 (s) 平均健康值 Knorm Tnorm Hnorm 综合评分
仅保留单思维链 26.10 32.70 63.25 0.619 0.401 0.585 0.543
去掉多思维链 17.40 12.85 1.35 0.000 1.000 0.000 0.300
消融专家知识 26.40 46.00 50.85 0.640 0.000 0.467 0.396
完整方法 31.45 36.95 107.20 1.000 0.273 1.000 0.782

作为归一化区间。鉴于＂消灭敌人＂和＂单位生存＂在高强度精细化控制场景下均至关重要，本文将击杀数的权重设为40%，健康值和对局时长各占30%，从而兼顾输出效率与战局速率。表 3汇总了各组实验配置的平均指标，归一化结果及最终综合评分。
由表 3可见，完整方法在击杀，对局时长与单位健康值三项指标上均取得了较好平衡，综合评分为0.782，明显优于其他消融配置。对比而言，去掉多思维链实验虽在时长上极短，但击杀与健康值过低导致评分仅0.300；仅保留单思维链与消融专家知识时难以兼顾高击杀与高生存，评分分别降至0.543和0.396。
5.4讨论
在对抗指标（胜率、击杀数、健康值与战损比）方面，完整方法展现出显著优势，虽推理调用与Token消耗相对更高，却大幅提升了整体决策质量。根据综合评分分析，“多模态信息+分阶段专家策略+多思维链推理”的组合在击杀效率、对局时长和单位生存三大维度实现了优良平衡，具有在更复杂RTS环境中进一步推广的潜力。从最优对局细节亦可看出，完整方法在早、中、后期均能灵活运用地图与单位特性，并最终取得95%胜率与629战损比，充分彰显其在高强度精细化控制任务中的可行性与有效性。
然而，RT-AME-MCoT方法也面临提示词编写成本高、推理速度潜在瓶颈等局限。若应用于更大规模多单位对抗或更高速率的对战场景，需要进一步优化提示词结构及模型调用效率。与纯RL或传统脚本AI相比，本方法无需大量训练数据，即可依赖少量专家知识完成复杂精细化控制决策，且具备较强的可解释性。后续可尝试自动化专家策略抽取与自适应提示词生成，以降低人工编写成本，并提升在多人对战、混编兵种以及不同地图环境下的鲁棒性。
6结论与未来工作
6.1研究总结
本文针对LLMs在《星际争霸II》精细化控制决策领域的局限性，提出了融合多模态输入（图像与文本）、分阶段专家策略与多思维链推理的RT-AME-MCoT方法。实验结果显示，该方法在1巨像对32小狗的复杂地形地图中达成95%的高胜率，显著优于其他消融配置。RT-AME-MCoT不仅能灵活利用地形和兵种优势，也通过多思维链并行推理有效规避了单链推理的局部最优问题。研究表明，分时专家知识的嵌入，对于提升LLMs的精细化控制决策表现具有关键作用，有效改善了大模型在特定场景的决策质量。
通过结合多模态信息与高级推理结构，RT-AME-MCoT方法在击杀效率与生存能力两方面均取得了兼顾，实现了在实时对抗环境下的高精度精细化控制作。与传统RL方法相比，该方法在无须大量训练数据的情况下即可快速部署；同时，提示词的可解释性也使得研究者能够更直观地理解决策过程，从而为后续改进和拓展应用奠定了坚实基础。
6.2未来展望
尽管本研究在高难度精细化控制场景中展现了LLMs的潜力与灵活性，仍有诸多值得进一步探索的方向。首先，可将分阶段专家策略与多思维链推理推广至多单位协同的情境，从而考验模型在更复杂战术协调和资源调度方面的能力。而且，借助自动化知识抽取或数据挖掘方法，可降低提示词编写的人工开销，让模型自适应地学习并更新专家策略。在大规模多单位对抗、职业选手级别的操作强度下，提示词与推理的实时性以及图像信息的有效利用和理解仍是瓶颈，需要在模型结构与系统架构上做更深入的优化。最后，通过将本方法与RL等等机制结合，构建出混合式或自适应式的多智能体决策系统，或可进一步提升其在多种游戏类型（如多人在线战术竞技游戏、开放世界游戏）中的通用性与竞争力。
参考文献
Vinyals, O., Babuschkin, I., Czarnecki, W. M., et al. Grandmaster level in StarCraft II using multi-agent reinforcement learning[J]. Nature, 2019, 575(7782): 350-354.
OpenAI. ChatGPT: Optimizing Language Models for Dialogue[EB/OL]. OpenAI, 2022. [Accessed: Feb. 27, 2025]. Available: https://openai.com/blog/chatgpt.
Touvron, H., et al. LLaMA: Open and Efficient Foundation Language Models[J]. arXiv preprint arXiv:2302.13971, 2023. Available: https: //arxiv.org/abs/2302.13971.
OpenAI. GPT-4 Technical Report[EB/OL]. arXiv preprint arXiv:2303.08774, 2023. [Accessed: Feb. 27, 2025]. Available: https://arxiv.org/abs/2303.08774.
OpenAI. GPT-4o[EB/OL]. OpenAI, 2024. Available: https://openai.com/research/gpt-4o.
Ma, W., Mi, Q., Zeng, Y., et al. Large language models play StarCraft II: Benchmarks and a chain of summarization approach[J]. Advances in Neural Information Processing Systems, 2025, 37: 133386-133442.
hao, X., Jiang, W., Zuo, F., et al. SwarmBrain: Embodied agent for real-time strategy game StarCraft II via large language models[J]. arXiv preprint arXiv:2401.17749, 2024.
Li, Z., Ni, Y., Qi, R., et al. LLM-PySC2: StarCraft II learning environment for Large Language Models[J]. arXiv preprint arXiv:2411.05348, 2024.
Vinyals, O., Ewalds, T., Bartunov, S., et al. StarCraft II: A new challenge for reinforcement learning[J]. arXiv preprint arXiv:1708.04782, 2017.
Hu, S., Huang, T., Ilhan, F., et al. A survey on large language model-based game agents[J]. arXiv preprint arXiv:2404.02039, 2024.
Wang, L., Ma, C., Feng, X., et al. A survey on large language model based autonomous agents[J]. Frontiers of Computer Science, 2024, 18(6): 186345.
Gallotta, R., Todd, G., Zammit, M., et al. Large language models and games: A survey and roadmap[J]. IEEE Transactions on Games, 2024.
Tan, W., Zhang, W., Xu, X., et al. Cradle: Empowering foundation agents towards general computer control[J]. arXiv preprint arXiv:2403.03186, 2024.
Xu, Y., Wang, S., Li, P., et al. Exploring large language models for communication games: An empirical study on werewolf[J]. arXiv preprint arXiv:2309.04658, 2023.
Hu, S., Huang, T., Liu, L. Pokéllmon: A human-parity agent for pokémon battles with large language models[J]. arXiv preprint arXiv:2402.01118, 2024.
Feng, X., Luo, Y., Wang, Z., et al. ChessGPT: Bridging policy learning and language modeling[J]. Advances in Neural Information Processing Systems, 2023, 36: 7216-7262.
Huang, C., Cao, Y., Wen, Y., et al. PokerGPT: An End-to-End Lightweight Solver for Multi-Player Texas Hold’em via Large Language Model[J]. arXiv preprint arXiv:2401.06781, 2024.
Lan, Y., Hu, Z., Wang, L., et al. LLM-Based Agent Society Investigation: Collaboration and Confrontation in Avalon Gameplay[J]. 2023.
Li, Y., Wang, H., Zhang, C. Assessing Logical Puzzle Solving in Large Language Models: Insights from a Minesweeper Case Study[C]//Proceedings of the 2024 Conference of the North American Chapter of the Association for Computational Linguistics. 2024: 59-81.
Zhu, X., Chen, Y., Tian, H., et al. Ghost in the minecraft: Generally capable agents for open-world environments via large language models[J]. arXiv preprint arXiv:2305.17144, 2023.
Chen, P., Bu, P., Song, J., et al. Can vlms play action role-playing games? take black myth wukong as a study case[J]. arXiv preprint arXiv:2409.12889, 2024.
Vasisht, K., Ganesan, B., Kumar, V., et al. Infusing Knowledge into Large Language Models with Contextual Prompts[C]//Proceedings of the 20th International Conference on Natural Language Processing (ICON). 2023: 657-662.
Goecks, V. G., Waytowich, N. Coa-gpt: Generative pre-trained transformers for accelerated course of action development in military operations[C]//2024 International Conference on Military Communication and Information Systems. IEEE, 2024: 01-10.
Wang, X., Shen, Y., Li, M., et al. PromptAgent: Strategic Planning with Language Models Enables Expert-level Prompt Optimization[C]//International Conference on Learning Representations (ICLR), 2024.
Li, Z., Lu, C., Xu, X., et al. Hierarchical Expert Prompt for Large-Language-Model: An Approach Defeat Elite AI in TextStarCraft II for the First Time[J]. arXiv preprint arXiv:2502.11122, 2025.
Wei, X., Wang, Y., Zou, H., et al. Chain-of-Thought Prompting Elicits Reasoning in Large Language Models[J]. In: NeurIPS, 2022.
Wang, P., Li, D., Wu, Q., et al. Self-Consistency Improves Chain of Thought Reasoning in Language Models[J]. In: ICLR, 2023.
Yao, S., Zhao, M., Yu, Z., et al. Tree of Thoughts: Deliberate Problem Solving with Large Language Models[J]. arXiv preprint arXiv:2305.10601, 2023.
Zhang, T., Chen, H., Li, P., et al. Multimodal Chain-of-Thought Reasoning in Language Models[J]. TMLR, 2024.
Chu, X., Liang, X., Yu, Y., et al. Navigate through Enigmatic Labyrinth: A Survey of Chain of Thought Reasoning—Advances, Frontiers and Future[J]. In: ACL, 2024.

请你理解内容，看看第一部分，结合论文主题，看看相关工作部分要不要调整小标题。

第五部分内容如下，第一：5.1标题要重新拟定（完整实验），5.2（消融实验）部分的内容也要调整。
5实验结果
5.1xx实验
（游戏中、场景、典型的场景具有代表性、完成的具体的操作、验证编组··，难度高，反映的问题-时间空间动作）
本研究在“1巨像vs.32小狗”这一高难度精细化控制场景下，分别对完整方法与不同消融配置进行了20局对战测试。完整方法在多模态提示词的基础上，综合引入了分阶段专家策略与多思维链推理两大核心模块；各消融配置则分别去除了部分关键要素：仅保留单思维链（仍具备专家提示与多模态输入，但取消并行思维链机制）、去掉多思维链（仅依赖专家提示与多模态信息进行单步决策）以及消融专家知识（保留多思维链与多模态输入，但不采用分阶段专家策略）。下文首先给出各配置在对战场次、胜率、平均击杀等指标上的结果，以及系统资源消耗的统计数据；随后结合最优对局的细节分析，进一步展示完整方法如何在动态战场中兼顾输出与生存。
如（如＂巨像＂）的损失次数。较高的KLR表明模型在较低损失下实现了更高的战斗输出，适用于评估精细化控制场景中单位控制与战术选择的平衡性。
综上，上述指标共同构成了一个全面的评测框架，不仅覆盖了对局胜负的基本统计，还深
表 1所示，在完整方法下，系统在20局对战中取得19胜1负，胜率高达95%，单局平均消灭敌人31.45只；在胜利局中，巨像的平均剩余健康比例约为0.3211，累计消灭敌人数量达629，战损比（K/LRatio）则高达629。这些数据表明，在多模态信息融合、分阶段专家策略与多思维链（Multi-CoT）并行推理的共同作用下，系统在不同阶段和地形场景中均能保持高效且稳定的精细化控制决策。相较之下，去掉多思维链的配置虽在LLM调用和Token消耗上最低，但对抗表现最差（胜率仅5%）；仅保留单思维链或消融专家知识的配置则能维持一定的胜率与击杀数，但与完整方法95%的胜率仍有较大差距，说明多思维链与专家策略对于精细化控制决策至关重要。
在系统资源消耗方面，如表 2所示，去掉多思维链的配置调用次数最低（约12.85次/局），输入与输出Token数也最少；但对应的对抗表现极为低下，难以应对高速变化的战局。完整方法虽调用次数和Token消耗略高，却能取得极佳的胜率和生存能力，证明了在高难度精细化控制任务中，额外的推理投入能够显著提升决策质量。
表 2 不同实验设置下的系统资源消耗统计
Table 2 System Resource Consumption Statistics Under Different Experimental Settings
实验设置 调用
(次/局) 输入令牌
(次均) 输出令牌(次均)
仅保留单思维链 32.6 3225 403
去掉多思维链 12.85 2644 329
消融专家知识 44.9 3778 886
完整方法 38.0 3847 861
为进一步展示完整方法在最优对局（1巨像vs.32小狗）中的动态生存与杀敌表现，本研究记录了最佳对局从开局至29秒内巨像的关键状态数据，包括总健康值、护盾值、生命值以及累计杀敌数。根据分阶段专家策略，将对局划分为早期（1～5秒）、中期（6～20秒）和后期（21～29秒），并在图 4和图 5中直观显示了巨像的健康值曲线与累计杀敌数的增长趋势。
早期（1～5秒）：巨像初始总健康值为350（护盾100、生命250），基本处于满格状态；累计杀敌数由2增至6。此时通过“向右侧规避左侧狗群”的机动策略，兼顾了输出与生存。
中期（6～20秒）：对抗压力加大，总健康值逐步下降至约202；护盾几乎被打空，但生命值仍保持在200左右；与此同时，累计杀敌数稳步上涨，说明系统在保持生存的同时依然能维持较高的输出节奏。
后期（21～29秒）：血量在197～202之间小幅波动，至29秒时击杀数达到32，实现彻底歼灭敌方小狗。此阶段体现了“先保命后输出”的风筝战术，使巨像在剩余约60%生命值的情况下仍然完成了全歼目标的任务。
这一动态过程直观证明了多模态提示词、分、分阶段专家策略与多思维链推理的协同作用：巨像能够随时根据战场局势调整行动策略，成功兼顾生存与输出，最终以95%的高胜率与629的战损比展现出强大的精细化控制决策能力。

图 4 最优对局血量、护盾、生命值随时间变化
Fig. 4 Time-Series of Health, Shield, and HP in the Best-Performing Match

图 5 最优对局累计杀敌数随时间变化
Fig. 5 Cumulative Kill Count Over Time in the Best-Performing Match
5.2消融实验
为探究各关键模块对整体性能的影响，本文在完整方法的基础上针对三个关键要素进行了消融实验。实验所依据的主要指标见实验所依据的主要指标见表 1，各配置的资源消 耗参见表 2。
•仅保留单思维链：在保留专家策略与多模态提示词的前提下，仅采用单链推理；取消多思维链生成与自评过程后，胜率从95%降至55%，平均消灭敌人数降至26.1，战损比仅为58。
•去掉多思维链：完全不使用思维链推理，仅依靠专家提示和多模态信息进行单步决策，胜率进一步跌至5%，平均消灭敌人数仅17.4，战损比降至18.32。
•消融专家知识：保留多思维链和多模态提示词，但去除了分阶段专家策略的指引，系统胜率同样只有55%，平均消灭敌人数约26.4，且胜利局平均耗时延长至50.91秒，平均健康比例下降至0.2642。
可见，只有在同时保留多思维链推理与专家分阶段策略时，系统才能充分发挥多模态信息融合的优势，实现最优精细化控制决策；任一模块的缺失都会导致对抗表现显著下滑。

游戏中、场景、典型的场景具有代表性、完成的具体的操作、验证编组··，难度高，反映的问题-时间空间动作

能否从这些角度来写一段话，为什么要设计这个地图，结合论文的主题来写。

5实验结果

表 1 不同实验设置下的主要对战结果（GPT-4o）
Tab 1. Main Battle Results Under Different Experimental Settings(GPT-4o)
设置 Tot. W L W(%) KLR
仅保留单思维链 20 11 9 55 26.1 39.82 24 18.89 0.33 58
去掉多思维链 20 1 19 5 17.4 14 12.79 16.63 0.0771 18.32
消融专家知识 20 11 9 55 26.4 50.91 40 19.56 0.2642 58.67
完整方法 20 19 1 95 31.45 38 39 21 0.3211 629

5.1xx实验
（游戏中、场景、典型的场景具有代表性、完成的具体的操作、验证编组··，难度高，反映的问题-时间空间动作）
本研究在“1巨像vs.32小狗”这一高难度微操场景下，分别对完整方法与不同消融配置进行了20局对战测试。完整方法在多模态提示词的基础上，综合引入了分阶段专家策略与多思维链推理两大核心模块；各消融配置则分别去除了部分关键要素：仅保留单思维链（仍具备专家提示与多模态输入，但取消并行思维链机制）、去掉多思维链（仅依赖专家提示与多模态信息进行单步决策）以及消融专家知识（保留多思维链与多模态输入，但不采用分阶段专家策略）。下文首先给出各配置在对战场次、胜率、平均击杀等指标上的结果，以及系统资源消耗的统计数据；随后结合最优对局的细节分析，进一步展示完整方法如何在动态战场中兼顾输出与生存。
如（如＂巨像＂）的损失次数。较高的KLR表明模型在较低损失下实现了更高的战斗输出，适用于评估微操场景中单位控制与战术选择的平衡性。
综上，上述指标共同构成了一个全面的评测框架，不仅覆盖了对局胜负的基本统计，还深
表 1所示，在完整方法下，系统在20局对战中取得19胜1负，胜率高达95%，单局平均消灭敌人31.45只；在胜利局中，巨像的平均剩余健康比例约为0.3211，累计消灭敌人数量达629，战损比（K/LRatio）则高达629。这些数据表明，在多模态信息融合、分阶段专家策略与多思维链（Multi-CoT）并行推理的共同作用下，系统在不同阶段和地形场景中均能保持高效且稳定的微操决策。相较之下，去掉多思维链的配置虽在LLM调用和Token消耗上最低，但对抗表现最差（胜率仅5%）；仅保留单思维链或消融专家知识的配置则能维持一定的胜率与击杀数，但与完整方法95%的胜率仍有较大差距，说明多思维链与专家策略对于微操决策至关重要。
在系统资源消耗方面，如表 2所示，去掉多思维链的配置调用次数最低（约12.85次/局），输入与输出Token数也最少；但对应的对抗表现极为低下，难以应对高速变化的战局。完整方法虽调用次数和Token消耗略高，却能取得极佳的胜率和生存能力，证明了在高难度微操任务中，额外的推理投入能够显著提升决策质量。
表 2 不同实验设置下的系统资源消耗统计
Table 2 System Resource Consumption Statistics Under Different Experimental Settings
实验设置 调用
(次/局) 输入令牌
(次均) 输出令牌(次均)
仅保留单思维链 32.6 3225 403
去掉多思维链 12.85 2644 329
消融专家知识 44.9 3778 886
完整方法 38.0 3847 861
为进一步展示完整方法在最优对局（1巨像vs.32小狗）中的动态生存与杀敌表现，本研究记录了最佳对局从开局至29秒内巨像的关键状态数据，包括总健康值、护盾值、生命值以及累计杀敌数。根据分阶段专家策略，将对局划分为早期（1～5秒）、中期（6～20秒）和后期（21～29秒），并在图 4和图 5中直观显示了巨像的健康值曲线与累计杀敌数的增长趋势。
早期（1～5秒）：巨像初始总健康值为350（护盾100、生命250），基本处于满格状态；累计杀敌数由2增至6。此时通过“向右侧规避左侧狗群”的机动策略，兼顾了输出与生存。
中期（6～20秒）：对抗压力加大，总健康值逐步下降至约202；护盾几乎被打空，但生命值仍保持在200左右；与此同时，累计杀敌数稳步上涨，说明系统在保持生存的同时依然能维持较高的输出节奏。
后期（21～29秒）：血量在197～202之间小幅波动，至29秒时击杀数达到32，实现彻底歼灭敌方小狗。此阶段体现了“先保命后输出”的风筝战术，使巨像在剩余约60%生命值的情况下仍然完成了全歼目标的任务。
这一动态过程直观证明了多模态提示词、分、分阶段专家策略与多思维链推理的协同作用：巨像能够随时根据战场局势调整行动策略，成功兼顾生存与输出，最终以95%的高胜率与629的战损比展现出强大的微操决策能力。

图 4 最优对局血量、护盾、生命值随时间变化
Fig. 4 Time-Series of Health, Shield, and HP in the Best-Performing Match

图 5 最优对局累计杀敌数随时间变化
Fig. 5 Cumulative Kill Count Over Time in the Best-Performing Match
5.2消融实验
为探究各关键模块对整体性能的影响，本文在完整方法的基础上针对三个关键要素进行了消融实验。实验所依据的主要指标见实验所依据的主要指标见表 1，各配置的资源消 耗参见表 2。
•仅保留单思维链：在保留专家策略与多模态提示词的前提下，仅采用单链推理；取消多思维链生成与自评过程后，胜率从95%降至55%，平均消灭敌人数降至26.1，战损比仅为58。
•去掉多思维链：完全不使用思维链推理，仅依靠专家提示和多模态信息进行单步决策，胜率进一步跌至5%，平均消灭敌人数仅17.4，战损比降至18.32。
•消融专家知识：保留多思维链和多模态提示词，但去除了分阶段专家策略的指引，系统胜率同样只有55%，平均消灭敌人数约26.4，且胜利局平均耗时延长至50.91秒，平均健康比例下降至0.2642。
可见，只有在同时保留多思维链推理与专家分阶段策略时，系统才能充分发挥多模态信息融合的优势，实现最优微操决策；任一模块的缺失都会导致对抗表现显著下滑。

5.1和5.2是不是合并起来最合适，如果是，请你给出合并后的新内容。

消融实验的结果在5.1的内容中展示了，所以我的意思，消融实验和完整的实验以及资源消耗作为5.1，然后最优对决作为5.2。请你重新整理回答。

第一：你回答的内容过于简洁了；
第二：你回答的内容分点太多，希望以段落式回答。