SMAC-Talk 是《星际争霸多智能体挑战》（StarCraft Multi-Agent Challenge，SMAC）的自然语言扩展版本，专门面向大语言模型（LLM）智能体设计。该论文于 2026 年 6 月 2 日提交至 arXiv，编号为 arXiv:2606.04202，作者为 Joel Sol 及另一位合著者，全文共 8 页、含 1 张图表，归类于人工智能（cs.AI）方向。
这一工作的出发点在于：随着 LLM 的大规模部署，它们越来越多地被期待与其他 AI 智能体协同工作，而非孤立运行。要在这种环境中实现有效协作，智能体必须能够沟通、共享信息，并在不确定条件下作出决策。SMAC-Talk 正是为系统评估 LLM 智能体在合作式多智能体环境中的这类能力而提出的开放基准。
在环境设计上，SMAC-Talk 保留了多智能体协作任务的若干关键特征：去中心化控制、部分可观测性以及长时序决策。这意味着每个智能体只能获取有限的局部信息，无法依赖一个全知全能的中央指挥者，并且必须在较长时间跨度内权衡短期行动与长期目标。这些特性使得该基准比单智能体任务更贴近真实世界的复杂协作场景。
与原版 SMAC 相比，SMAC-Talk 最核心的改动是引入了一条自然语言通信通道。智能体可以通过自然语言相互传递信息、表达意图，研究者则利用这条通道来探测智能体之间的协调能力与信任关系。基于该通信通道，作者构建了多种不同的评估场景，其中一个值得注意的设置是内嵌一个“欺骗型沟通者”：该智能体仅通过语言交流来制造混乱、误导并欺骗友方，从而检验其他智能体能否识别并抵御纯粹言语层面的干扰。
为了支持基准测试，作者提供了三个基准智能体，并使用 Qwen3.5 系列的 4 个模型进行了实验，重点研究推理结构、记忆机制以及模型规模这三方面因素如何影响智能体之间的协作表现。这些实验设计旨在揭示：更强的推理组织能力、更有效的记忆利用以及更大的模型参数量，是否能够转化为更好的多智能体协调效果，以及在存在欺骗性沟通时这种优势是否依然成立。
作者将 SMAC-Talk 作为开放基准发布，以支持研究社区在合作式多智能体设定下开发与评估 LLM 智能体。该论文的提交时间为 2026 年 6 月 2 日 20:40:04 UTC，文件大小约 866 KB，DOI 为 https://doi.org/10.48550/arXiv.2606.04202，目前 DOI 尚待 DataCite 注册完成。