Un equipo de investigación ha desarrollado AutoTavern, un sistema de agentes de LLM auto-mejorable que ha logrado construir y ejecutar un sistema de inteligencia artificial capaz de competir con los mejores jugadores humanos en Hearthstone Battlegrounds. En solo 20 días, el sistema ha desarrollado TavernGym, la primera réplica fiel y completa del juego en vivo, y TavernAgent, un agente entrenado con PPO que juega de forma autónoma en la tabla de clasificación oficial.
El rendimiento de TavernAgent destaca por su superioridad estadística: su clasificación ha ascendido de 6.000 a aproximadamente 15.000, y sus últimos 20 registros promedian una posición de 1,60, superando a los diez jugadores más calificados del servidor en todas las métricas. Además, en la prueba TavernBench, que consta de 960 tareas en 40 escenarios, TavernAgent responde al 91% de las jugadas contra un máximo del 63% de los LLM de frontera, resolviendo las decisiones en 0,03 segundos frente a los 26 segundos de los modelos tradicionales. Este estudio demuestra que los agentes de LLM son más eficaces construyendo sistemas complejos que jugando en sí mismos, un hallazgo que se publicará en arXiv y cuyo código se hará de código abierto.