論文の概要: Ailed: A Psyche-Driven Chess Engine with Dynamic Emotional Modulation
- arxiv url: http://arxiv.org/abs/2603.05352v1
- Date: Thu, 05 Mar 2026 16:32:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-06 22:06:11.322352
- Title: Ailed: A Psyche-Driven Chess Engine with Dynamic Emotional Modulation
- Title（参考訳）: Ailed: 動的感情変調を備えたサイコ駆動チェスエンジン
- Authors: Diego Armando Resendez Prado,
- Abstract要約: 本稿では,チェスのプレイにおける行動変数を生成するために,パーソナリティxサイコリケーションを提案する。
私はこのフレームワークを12,414のゲームでMaia2-1100に対してテストし、トレーニングデータで2,800倍異なる2つの確率源を与えました。
- 参考スコア（独自算出の注目度）: 0.3867363075280543
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Chess engines passed human strength years ago, but they still don't play like humans. A grandmaster under clock pressure blunders in ways a club player on a hot streak never would. Conventional engines capture none of this. This paper proposes a personality x psyche decomposition to produce behavioral variability in chess play, drawing on patterns observed in human games. Personality is static -- a preset that pins down the engine's character. Psyche is dynamic -- a bounded scalar ψ_t \in [-100, +100], recomputed from five positional factors after every move. These two components feed into an audio-inspired signal chain (noise gate, compressor/expander, five-band equalizer, saturation limiter) that reshapes move probability distributions on the fly. The chain doesn't care what engine sits behind it: any system that outputs move probabilities will do. It needs no search and carries no state beyond ψ_t. I test the framework across 12,414 games against Maia2-1100, feeding it two probability sources that differ by ~2,800x in training data. Both show the same monotonic gradient in top-move agreement (~20-25 pp spread from stress to overconfidence), which tells us the behavioral variation comes from the signal chain, not from the model underneath. When the psyche runs overconfident, the chain mostly gets out of the way (66% agreement with vanilla Maia2). Under stress, the competitive score falls from 50.8% to 30.1%. The patterns are reminiscent of tilt and overconfidence as described in human play, but I should be upfront: this study includes no human-subject validation.
- Abstract（参考訳）: チェスのエンジンは数年前に人間の力を超えたが、それでも人間のようには動かない。
クロックプレッシャー下のグランドマスターは、ホットストリークのクラブプレーヤーが決してしない方法で失敗します。
従来型のエンジンはこれらを捕捉しない。
本稿では,チェスのプレイにおいて,人間のゲームで観察されるパターンに基づいて,行動の変動を生じさせるパーソナリティxサイコリケーションを提案する。
パーソナリティは静的である -- エンジンのキャラクタをピン留めするプリセットだ。サイコは動的だ -- 境界付きスカラーの sh_t \in [-100, +100] は、移動毎に5つの位置要素から再計算される。
これら2つのコンポーネントは、音声にインスパイアされた信号チェーン(ノイズゲート、コンプレッサー/エクスパンダー、5バンド等化器、飽和リミッタ)に供給され、ハエの移動確率分布を再現する。
チェーンは、どのエンジンが背後にあるかを気にしません。
検索は不要で、 s_t を超える状態は持たない。
私は12,414のゲームでMaia2-1100をテストし、トレーニングデータで約2,800倍異なる2つの確率源を与えました。
両者は、トップモーブ合意において同じモノトニック勾配(約20-25 pp)を示しており、下のモデルからではなく信号鎖から振る舞いの変動が生じることを示している。
精神が過信されると、連鎖は殆ど邪魔になる(バニラ・マイア2との66%の合意)。
ストレス下では、競争率は50.8%から30.1%に低下する。
パターンは、人間のプレイで説明されているような傾きと過信を連想させるものですが、前もって見るべきです。
関連論文リスト
- Breaking the Assistant Mold: Modeling Behavioral Variation in LLM Based Procedural Character Generation [62.54606886226136]
手続き的コンテンツ生成は、レベル、マップ、クエストを通じて巨大な仮想世界を可能にするが、大規模なキャラクター生成は未調査のままである。
既存の手法では2つのアライメント誘起バイアスを同定する。
我々は、行動構築から世界構築を遠ざけるフレームワークであるPersonaWeaverを紹介した。
論文 参考訳（メタデータ） (2026-01-06T20:18:01Z) - A Behavior-Based Knowledge Representation Improves Prediction of Players' Moves in Chess by 25% [2.232417329532027]
本稿では,人間の次の動きを予測するために,エキスパート知識と機械学習技術を組み合わせた新しいアプローチを提案する。
ドメインの専門知識に根ざした特徴工学を適用して,中間レベルのチェス選手の動きのパターンを明らかにする。
我々の方法論は、人間の行動を予測するための有望なフレームワークを提供し、AIと人間とコンピュータの相互作用の両方の分野を前進させる。
論文 参考訳（メタデータ） (2025-04-07T18:49:00Z) - Human-aligned Chess with a Bit of Search [35.16633353273246]
チェスは長年、AIが人間の知性と一致しようとする試みの場だった。
本稿では,この古典的なゲームにおいて,人工知能と人間の知能のギャップを埋めるために設計されたチェスをプレイするAIであるAllieを紹介する。
論文 参考訳（メタデータ） (2024-10-04T19:51:03Z) - Predicting User Perception of Move Brilliance in Chess [3.434553688053531]
チェスの動きを華々しく分類する最初のシステムを示す。
精度は79%(ベースレート50%)、PPVは83%、NPVは75%である。
より弱いエンジンが低品質とみなすと、この動きは輝かしく、すべて等しいと予測される傾向が示される。
論文 参考訳（メタデータ） (2024-06-14T17:46:26Z) - Finding mixed-strategy equilibria of continuous-action games without
gradients using randomized policy networks [83.28949556413717]
グラデーションへのアクセスを伴わない連続アクションゲームのナッシュ平衡を近似的に計算する問題について検討する。
ニューラルネットワークを用いてプレイヤーの戦略をモデル化する。
本論文は、制約のない混合戦略と勾配情報のない一般的な連続アクションゲームを解決する最初の方法である。
論文 参考訳（メタデータ） (2022-11-29T05:16:41Z) - Nash Equilibria and Pitfalls of Adversarial Training in Adversarial
Robustness Games [51.90475640044073]
本研究では,2プレイヤゼロサムゲームにおける最適応答戦略の交互化として,対戦訓練について検討する。
一方、ゲームのユニークな純粋なナッシュ均衡が存在し、確実に堅牢である。
論文 参考訳（メタデータ） (2022-10-23T03:21:01Z) - Detecting Individual Decision-Making Style: Exploring Behavioral
Stylometry in Chess [4.793072503820555]
チェスの文脈における行動スタイメトリーに対するトランスフォーマーに基づくアプローチを提案する。
本手法は,数発の分類フレームワークで動作し,数千人の候補選手の中から選手を正確に識別することができる。
我々は、チェスにおける人間のスタイルと潜在的な倫理的意味について、結果の埋め込みが明らかにするものをより広く検討する。
論文 参考訳（メタデータ） (2022-08-02T11:18:16Z) - Mastering the Game of Stratego with Model-Free Multiagent Reinforcement
Learning [86.37438204416435]
Strategoは、人工知能(AI)がまだマスターしていない数少ない象徴的なボードゲームの一つだ。
ストラテゴにおける決定は、行動と結果の間に明らかな結びつきがなく、多数の個別の行動に対してなされる。
DeepNashは、ストラテゴの既存の最先端AIメソッドを破り、Gravonゲームプラットフォームで年間(2022年)と最高3位を達成した。
論文 参考訳（メタデータ） (2022-06-30T15:53:19Z) - 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) - No-regret learning and mixed Nash equilibria: They do not mix [64.37511607254115]
我々はFTRL(Follow-the-regularized-leader)のダイナミクスについて検討する。
厳密でないナッシュ均衡は、FTRLの下で安定して引き寄せることは不可能である。
この結果は,学習過程の結果を予測する上で重要な意味を持つ。
論文 参考訳（メタデータ） (2020-10-19T13:49:06Z) - Assessing Game Balance with AlphaZero: Exploring Alternative Rule Sets
in Chess [5.3524101179510595]
私たちはAlphaZeroを使って、新しいチェスの変種を創造的に探索し、設計しています。
チェスのルールに原子的変化を含む他の9つの変種を比較した。
AlphaZeroを用いて各変種に対する準最適戦略を学習することにより、これらの変種が採用された場合、強い人間プレイヤー間のゲームがどのように見えるかを決定する。
論文 参考訳（メタデータ） (2020-09-09T15:49:14Z)
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。