方法、系统和装置，包括编码在计算机存储介质上的计算机程序，用于生成多个智能体在多个时间步长上与之交互的环境的模拟，其中该模拟包括每个时间步长的相应模拟状态，所述相应模拟状态指定每个智能体在该时间步长的相应状态。在一个方面，一种方法包括，对于每个时间步长：获得当前时间步长的当前模拟状态；生成下一时间步长的多个候选下一模拟状态；对于每个候选下一模拟状态，确定表征该候选下一模拟状态是真实模拟状态的可能性的鉴别分数；基于候选下一模拟状态的鉴别分数，选择候选下一模拟状态作为下一时间步长的模拟状态。