論文の概要: Human-AI Collaborative Bot Detection in MMORPGs
- arxiv url: http://arxiv.org/abs/2508.20578v1
- Date: Thu, 28 Aug 2025 09:17:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-29 18:12:02.265727
- Title: Human-AI Collaborative Bot Detection in MMORPGs
- Title（参考訳）: MMORPGにおける人間とAIの協調ボット検出
- Authors: Jaeman Son, Hyunsoo Kim,
- Abstract要約: Massively Multiplayer Online Role-Playing Games (MMORPGs)では、自動レベル設定ボットが自動プログラムを利用して文字を大規模にレベルアップする。
コントラスト表現学習とクラスタリング技術を利用して,ロボットの自動レベル検出のための新しいフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 1.6901808995670526
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In Massively Multiplayer Online Role-Playing Games (MMORPGs), auto-leveling bots exploit automated programs to level up characters at scale, undermining gameplay balance and fairness. Detecting such bots is challenging, not only because they mimic human behavior, but also because punitive actions require explainable justification to avoid legal and user experience issues. In this paper, we present a novel framework for detecting auto-leveling bots by leveraging contrastive representation learning and clustering techniques in a fully unsupervised manner to identify groups of characters with similar level-up patterns. To ensure reliable decisions, we incorporate a Large Language Model (LLM) as an auxiliary reviewer to validate the clustered groups, effectively mimicking a secondary human judgment. We also introduce a growth curve-based visualization to assist both the LLM and human moderators in assessing leveling behavior. This collaborative approach improves the efficiency of bot detection workflows while maintaining explainability, thereby supporting scalable and accountable bot regulation in MMORPGs.
- Abstract（参考訳）: Massively Multiplayer Online Role-Playing Games (MMORPGs)では、オートレベルボットが自動プログラムを利用してキャラクターを大規模にレベルアップし、ゲームのバランスと公正性を損なう。
このようなボットの検出は、人間の行動を模倣するだけでなく、法的およびユーザー体験の問題を避けるために説明可能な正当化を必要とするため、難しい。
本稿では,類似のレベルアップパターンを持つ文字群を識別するために,コントラッシブな表現学習とクラスタリング手法を完全に教師なしの方法で活用することにより,自動レベル付けボットを検出する新しいフレームワークを提案する。
信頼性の高い判断をするために,大規模言語モデル(LLM)を補助的なレビュアーとして組み込んで,クラスタ化されたグループを検証し,二次的人間の判断を効果的に模倣する。
また,LLMと人間モデレーターの両立動作評価を支援するために,成長曲線に基づく可視化も導入した。
この協調的なアプローチは、説明可能性を維持しながらボット検出ワークフローの効率を改善し、MMORPGにおけるスケーラブルで説明可能なボットレギュレーションをサポートする。
関連論文リスト
- Action Flow Matching for Continual Robot Learning [57.698553219660376]
ロボット工学における継続的な学習は、変化する環境やタスクに常に適応できるシステムを求める。
本稿では,オンラインロボット力学モデルアライメントのためのフローマッチングを利用した生成フレームワークを提案する。
ロボットは,不整合モデルで探索するのではなく,行動自体を変換することで,より効率的に情報収集を行う。
論文 参考訳（メタデータ） (2025-04-25T16:26:15Z) - A Framework for Mining Collectively-Behaving Bots in MMORPGs [1.2709237540689517]
MMORPG(Massively Multiplayer Online Role-Playing Games)では、異常プレイヤー(ボット)が一般的に見られる。
トラジェクティブ表現学習とクラスタリングを組み合わせたフレームワークBotTRepを開発した。
本モデルは,ゲーム内トラジェクトリシーケンスの表現を学習し,文脈的に類似したトラジェクトリを持つプレイヤーがより密接な埋め込みを実現することを目的としている。
論文 参考訳（メタデータ） (2025-01-15T10:11:26Z) - Offline Imitation Learning Through Graph Search and Retrieval [57.57306578140857]
模倣学習は、ロボットが操作スキルを取得するための強力な機械学習アルゴリズムである。
本稿では,グラフ検索と検索により,最適下実験から学習する,シンプルで効果的なアルゴリズムGSRを提案する。
GSRは、ベースラインに比べて10%から30%高い成功率、30%以上の熟練を達成できる。
論文 参考訳（メタデータ） (2024-07-22T06:12:21Z) - BotSSCL: Social Bot Detection with Self-Supervised Contrastive Learning [6.317191658158437]
自己監督型コントラスト学習(BotSSCL)を用いたソーシャルボット検出のための新しいフレームワークを提案する。
BotSSCLは対照的な学習を用いて、埋め込み空間におけるソーシャルボットと人間を区別し、線形分離性を改善する。
ボットアカウントの操作による検出回避に対するBotSSCLの堅牢性を示す。
論文 参考訳（メタデータ） (2024-02-06T06:13:13Z) - What Does the Bot Say? Opportunities and Risks of Large Language Models in Social Media Bot Detection [48.572932773403274]
ソーシャルボット検出における大規模言語モデルの可能性とリスクについて検討する。
本稿では,多様なユーザ情報モダリティを分割し,克服するための混合異種エキスパートフレームワークを提案する。
実験により、1000の注釈付き例に対する命令チューニングは、最先端のベースラインよりも優れた特殊なLLMを生成することが示された。
論文 参考訳（メタデータ） (2024-02-01T06:21:19Z) - AlphaBlock: Embodied Finetuning for Vision-Language Reasoning in Robot
Manipulation [50.737355245505334]
本稿では,ロボット操作タスクにおける高レベル認知能力を学習するための新しいフレームワークを提案する。
得られたデータセットAlphaBlockは、多段階のテキストプランとペア観測による35の包括的なハイレベルタスクで構成されている。
論文 参考訳（メタデータ） (2023-05-30T09:54:20Z) - MulBot: Unsupervised Bot Detection Based on Multivariate Time Series [2.525739800601558]
MulBotは、ユーザタイムラインから抽出された多次元の時間的特徴に基づく教師なしボット検出器である。
我々はf1-score $= 0.99$を達成するバイナリ分類タスクを実行し、最先端の手法より優れています。
また、MulBotの強みを、異なるボットネットの検出と分離という、新しく実用的なタスクで実証する。
論文 参考訳（メタデータ） (2022-09-21T13:56:12Z) - Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。
提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。
次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文 参考訳（メタデータ） (2022-03-10T02:37:39Z) - Understand Watchdogs: Discover How Game Bot Get Discovered [8.8519643723088]
我々は韓国のMMORPGであるAIONのデータセットを用いてXAIモデルを開発した。
これにより,ゲームボットの動作についての説明が得られ,説明の真偽が評価された。
論文 参考訳（メタデータ） (2020-11-26T16:34:31Z) - Detection of Novel Social Bots by Ensembles of Specialized Classifiers [60.63582690037839]
悪意ある俳優は、社会ボットとして知られるアルゴリズムによって部分的に制御される不正なソーシャルメディアアカウントを作成し、誤情報を広め、オンラインでの議論を扇動する。
異なるタイプのボットが、異なる行動特徴によって特徴づけられることを示す。
本稿では,ボットのクラスごとに専門的な分類器を訓練し,それらの決定を最大ルールで組み合わせる,教師付き学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-11T22:59:59Z)
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。