让 AI 打好一局游戏不算新鲜，难的是让它自己当研发团队：整理原始数据、复现规则、训练选手，再用实战发现问题。《炉石传说》酒馆战棋尤其棘手——八名玩家面对随机商店、隐藏对手信息和近千种相互作用的卡牌。AutoTavern 的看点，正是把这条研发链交给多名分工明确的 LLM 智能体。
最关键的一步是不断拿真实对局校准模拟器，避免 AI 只学会钻虚拟环境的漏洞；研究结论还要经过五道验证关卡，出错经验会写进共享记忆，供下一轮使用。论文称，系统在20天内完成约1万次实验，做出覆盖978个游戏对象的 TavernGym 模拟器，并迭代出23版 TavernAgent。该智能体独立参与线上排位后，分数从6000升至约15000；最近20局平均名次1.60，80%夺得第一。作者据此认为，其表现已超过该服务器评分最高的十名玩家。不过这些实战成绩与“首个完整复现”等结论目前均来自论文自述。