StarCraft Multi-Agent Challenge (SMAC)是由牛津大学Whiteson研究组发布的多智能体强化学习基准测试，是MARL领域最权威的基准之一。该基准基于暴雪娱乐的《星际争霸II》游戏，提供了多种微观操作场景，包括不同数量和类型的单位组合（如陆战队对抗蟑螂、狂热者对抗追踪者等），要求多个智能体（游戏单位）通过合作击败敌方单位。SMAC场景具有挑战性，需要智能体具备良好的协作、定位、技能释放和战术决策能力，能够有效评估多智能体强化学习算法在复杂合作场景下的性能。SMAC支持多种评估指标（胜率、平均奖励、样本效率等），提供了Python接口和丰富的可视化工具。该基准推动了多智能体强化学习算法的发展，多种经典和最新的MARL算法（如QMIX、QPLEX、MAPPO等）都在该基准上进行了评估和对比。该基准被广泛应用于多智能体强化学习的学术研究中，是合作MARL算法的标准评测基准。