論文の概要: Luck, skill, and depth of competition in games and social hierarchies

• arxiv url: http://arxiv.org/abs/2312.04711v1
• Date: Thu, 7 Dec 2023 21:42:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 14:59:29.211138
• Title: Luck, skill, and depth of competition in games and social hierarchies
• Title（参考訳）: ゲームと社会階層における競争のラッキー、スキル、深さ
• Authors: Maximilian Jerdee, M. E. J. Newman
• Abstract要約: 社会的競争は「深い」傾向にあり、多くの異なる階層を持つ。 ほとんどのケースでは、階層の浅さによって既に示唆されているもの以外、動揺する証拠はほとんどない。
• 参考スコア（独自算出の注目度）: 0.6345523830122168
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Patterns of wins and losses in pairwise contests, such as occur in sports and games, consumer research and paired comparison studies, and human and animal social hierarchies, are commonly analyzed using probabilistic models that allow one to quantify the strength of competitors or predict the outcome of future contests. Here we generalize this approach to incorporate two additional features: an element of randomness or luck that leads to upset wins, and a "depth of competition" variable that measures the complexity of a game or hierarchy. Fitting the resulting model to a large collection of data sets we estimate depth and luck in a range of games, sports, and social situations. In general, we find that social competition tends to be "deep," meaning it has a pronounced hierarchy with many distinct levels, but also that there is often a nonzero chance of an upset victory, meaning that dominance challenges can be won even by significant underdogs. Competition in sports and games, by contrast, tends to be shallow and in most cases there is little evidence of upset wins, beyond those already implied by the shallowness of the hierarchy.
• Abstract（参考訳）: スポーツやゲーム、消費者研究、比較研究、人間と動物の社会階層といったペアワイズコンテストにおける勝利と損失のパターンは、一般に、競合の強さを定量化したり、将来のコンテストの結果を予測するための確率論的モデルを用いて分析される。 ここでは、この手法を一般化して、乱れや運の要素が勝敗につながること、ゲームや階層の複雑さを測定する「競争の深み」変数の2つの追加特徴を組み込む。 結果のモデルを大量のデータセットに合わせることで、ゲーム、スポーツ、社会状況のさまざまな範囲において、深さと運を見積もる。 一般に、社会的競争は「深い」傾向があること、すなわち、明確な階層を持ち、多くの異なるレベルを持つが、しばしば動揺した勝利の可能性がゼロではないこと、つまり支配的な挑戦は重要な下層集団によっても勝つことができる。 対照的に、スポーツやゲームにおける競争は浅い傾向にあり、たいていの場合、階層の浅さによって既に暗示されているものよりも、動揺した勝利の証拠はほとんどない。

関連論文リスト

• Securing Equal Share: A Principled Approach for Learning Multiplayer Symmetric Games [21.168085154982712]
  マルチプレイヤーゲームにおける平衡は、一意でも爆発的でもない。 本稿では,平等な共有という自然な目的に焦点をあてることで,これらの課題に対処するための最初の一歩を踏み出す。 我々は、様々な設定でほぼ同じシェアを確実に得る、非回帰学習にインスパイアされた、一連の効率的なアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-06-06T15:59:17Z)
• CompeteSMoE -- Effective Training of Sparse Mixture of Experts via Competition [52.2034494666179]
  スパース・ミックス・オブ・エキスパート(SMoE)は、ネットワークの深さや幅を増大させる平均を超えた、モデルの複雑さをスケールアップする魅力的なソリューションを提供する。 本稿では,この表現崩壊の根本的な課題に対処する競合機構を提案する。 入力を最も高い神経応答を持つ専門家にのみルーティングすることにより、コンペティションが最適推定器と同じ収束率を持つことを示す。
  論文  参考訳（メタデータ） (2024-02-04T15:17:09Z)
• Benchmarking Robustness and Generalization in Multi-Agent Systems: A Case Study on Neural MMO [50.58083807719749]
  IJCAI 2022で開催されている第2回Neural MMOチャレンジの結果を報告する。 この競合はマルチエージェントシステムの堅牢性と一般化をターゲットにしている。 環境ラッパー、ベースライン、可視化ツール、そしてさらなる研究のための選択されたポリシーを含むベンチマークをオープンソースにします。
  論文  参考訳（メタデータ） (2023-08-30T07:16:11Z)
• Competitions in AI -- Robustly Ranking Solvers Using Statistical Resampling [9.02080113915613]
  比較結果の標準的な解釈から得られたランキングは、評価の基礎として使われるベンチマークインスタンスセットのマイナーな変更にも非常に敏感であることを示す。 本稿では,性能データの再サンプリングに基づく競争結果の統計的に有意な分析手法を提案する。 提案手法は,競合スコアの信頼区間を生成するとともに,有界誤差を持つ統計的に堅牢な解法ランキングを生成する。
  論文  参考訳（メタデータ） (2023-08-09T16:47:04Z)
• Rankings from multimodal pairwise comparisons [0.0]
  ライバルが他社に勝っているデータを考えると、競争相手をベストから最悪のレベルにランク付けすることが課題だ。 本稿では,複数の比較モードが存在する場合のランク付け問題について検討する。 予測最大化アルゴリズムと修正Bradley-Terryモデルの組み合わせにより、この状況下でランキングを計算し、高速に評価する方法を提案する。
  論文  参考訳（メタデータ） (2022-06-27T18:50:51Z)
• Generating Diverse and Competitive Play-Styles for Strategy Games [58.896302717975445]
  ターン型戦略ゲーム(Tribes)のためのプログレッシブアンプランによるPortfolio Monte Carlo Tree Searchを提案する。 品質分散アルゴリズム(MAP-Elites)を使用して異なるプレイスタイルを実現し、競争レベルを維持しながらパラメータ化する方法を示します。 その結果,このアルゴリズムは,トレーニングに用いるレベルを超えて,幅広いゲームレベルにおいても,これらの目標を達成できることが示された。
  論文  参考訳（メタデータ） (2021-04-17T20:33:24Z)
• An Elo-like System for Massive Multiplayer Competitions [1.8782750537161612]
  参加者数の多いコンテストを対象とした新しいベイズ評価システムを提案する。 それは離散的なランク付けされたマッチの競争のフォーマットに広く適当です。 システムにはインセンティブが整い、すなわち、格付けを最大化しようとするプレイヤーは、決してパフォーマンスを損なうことはない。
  論文  参考訳（メタデータ） (2021-01-02T08:14:31Z)
• Incorporating Rivalry in Reinforcement Learning for a Competitive Game [65.2200847818153]
  本研究は、競合する社会的影響に基づく新しい学習メカニズムの提供に焦点を当てる。 本研究は,競争競合の概念に基づいて,これらのエージェントの評価を人的視点から変えられるかを検討することを目的とする。
  論文  参考訳（メタデータ） (2020-11-02T21:54:18Z)
• Competing Bandits: The Perils of Exploration Under Competition [99.68537519404727]
  オンラインプラットフォーム上での探索と競争の相互作用について検討する。 私たちは、スタークコンペティションが企業に対して、低福祉につながる「欲張り」バンディットアルゴリズムにコミットするよう促すことに気付きました。 競争を弱めるための2つのチャンネルについて検討する。
  論文  参考訳（メタデータ） (2020-07-20T14:19:08Z)
• Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
  学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。 対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。 我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
  論文  参考訳（メタデータ） (2020-07-10T09:33:05Z)
• Contributions of Talent, Perspective, Context and Luck to Success [0.0]
  本稿では、成功の成分を分離するプロキシとして、競争力のある総和環境における制御されたシミュレーションを提案する。 エージェントベースモデルの10万回の実行をシミュレートし、結果を解析する。
  論文  参考訳（メタデータ） (2019-12-31T19:00:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。