論文の概要: InfoChess: A Game of Adversarial Inference and a Laboratory for Quantifiable Information Control

• arxiv url: http://arxiv.org/abs/2604.15373v1
• Date: Wed, 15 Apr 2026 16:07:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.56433
• Title: InfoChess: A Game of Adversarial Inference and a Laboratory for Quantifiable Information Control
• Title（参考訳）: InfoChess: 逆推論ゲームと定量情報制御のための実験室
• Authors: Kieran A. Murphy,
• Abstract要約: InfoChessは、競争情報獲得を主目的に高める対称的敵対ゲームである。 プレイヤーはゲーム中に相手のキング位置を確率論的に推測して得点する。 我々は, 信念エントロピー, オラクルクロスエントロピー, 予測ログスコアを含む, 自然情報理論的特徴によるゲームプレイの分析を行った。
• 参考スコア（独自算出の注目度）: 3.198144010381572
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose InfoChess, a symmetric adversarial game that elevates competitive information acquisition to the primary objective. There is no piece capture, removing material incentives that would otherwise confound the role of information. Instead, pieces are used to alter visibility. Players are scored on their probabilistic inference of the opponent's king location over the duration of the game. To explore the space of strategies for playing InfoChess, we introduce a hierarchy of heuristic agents defined by increasing levels of opponent modeling, and train a reinforcement learning agent that outperforms these baselines. Leveraging the discrete structure of the game, we analyze gameplay through natural information-theoretic characterizations that include belief entropy, oracle cross entropy, and predictive log score under the action-induced observation channel. These measures disentangle epistemic uncertainty, calibration mismatch, and uncertainty induced by adversarial movement. The design of InfoChess renders it a testbed for studying multi-agent inference under partial observability. We release code for the environment and agents, and a public interface to encourage further study.
• Abstract（参考訳）: 本稿では,競争情報獲得を主目的とする対称対角ゲームInfoChessを提案する。 情報の役割を損なうような物質的インセンティブを取り除き、断片を捕獲することはない。 代わりに、部品は可視性を変更するために使用されます。 プレイヤーはゲーム中に相手のキング位置を確率論的に推測して得点する。 InfoChessをプレイする戦略の空間を探索するために,対立するモデリングのレベルを増大させることによって定義されるヒューリスティックエージェントの階層を導入し,これらのベースラインを上回る強化学習エージェントを訓練する。 ゲームの離散的な構造を生かして, 信念エントロピー, オラクルクロスエントロピー, 行動誘起観察チャネル下での予測ログスコアなど, 自然情報理論的特徴によるゲームプレイの分析を行う。 これらの測定は、敵運動によって引き起こされるてんかんの不確実性、校正ミスマッチ、不確実性を歪曲する。 InfoChessの設計は、部分的な可観測性の下でマルチエージェント推論を研究するためのテストベッドである。 環境とエージェントのためのコードと、さらなる研究を促進するための公開インターフェースをリリースする。

関連論文リスト

• Decoding Defensive Coverage Responsibilities in American Football Using Factorized Attention Based Transformer Models [0.22485007639406518]
  本稿では,NFLマルチエージェントプレイトラッキングデータに適用した因子化アテンションベーストランスフォーマモデルを提案する。 本モデルにより,各プレイヤの代入とマッチアップのダイナミクスの予測モデリングが可能となる。 我々のモデルは全てのタスクに対して約89%以上の精度を達成し、真の精度は基底真理ラベルにおけるアノテーションの曖昧さを考慮に入れられる可能性がある。
  論文  参考訳（メタデータ） (2026-03-26T20:43:30Z)
• Theory of Space: Can Foundation Models Construct Spatial Beliefs through Active Exploration? [83.13508919229939]
  宇宙の理論は、自己指向的かつ活発な探索を通じて情報を得るエージェントの能力として定義される。 重要な革新は空間的信念の探索であり、各ステップでモデルが空間的表現を明らかにするように促す。 この結果から,現在の基盤モデルでは,活発な探査において,コヒーレントで変更可能な空間的信念の維持に苦慮していることが示唆された。
  論文  参考訳（メタデータ） (2026-02-04T19:06:40Z)
• How Far Are LLMs from Professional Poker Players? Revisiting Game-Theoretic Reasoning with Agentic Tool Use [52.394999779049606]
  大規模言語モデル(LLMs)は、ハイテイクなドメインにますます適用されています。 LLMは従来のアルゴリズムと競合しない。 ツール統合推論フレームワークであるToolPokerを提案する。
  論文  参考訳（メタデータ） (2026-01-31T05:45:25Z)
• MentalGame: Predicting Personality-Job Fitness for Software Developers Using Multi-Genre Games and Machine Learning Approaches [0.0]
  本研究では,マルチジャンルの真剣なゲームフレームワークと機械学習技術を組み合わせることで,ソフトウェア開発の役割に対する適合性を予測することを提案する。 カスタムモバイルゲームは、問題解決、計画、適応性、永続性、時間管理、情報検索に関連する行動を引き出すように設計された。 行動分析により、適切な候補はパズルベースのゲームでより多くの勝利、より多くのサイドチャレンジ、メニューのナビゲート、より少ない一時停止、再試行、降伏アクションなどの異なるゲームプレイパターンを示した。
  論文  参考訳（メタデータ） (2026-01-03T15:09:02Z)
• CognitionNet: A Collaborative Neural Network for Play Style Discovery in Online Skill Gaming Platform [6.665636945186558]
  本稿では,2段階のディープニューラルネットワークであるCognitionNetを提案する。 第1段階は、潜在空間におけるクラスタ表現としてのゲーム動作のマイニングに焦点を当てている。 2つ目は、これらのマイクロパターンを集約して、プレイスタイルを見つけます。
  論文  参考訳（メタデータ） (2025-05-01T05:51:19Z)
• Adversarial Knapsack and Secondary Effects of Common Information for Cyber Operations [0.9378911615939924]
  本稿では,CTF(Capture the Flag)コンペティションのための動的ネットワーク制御ゲームを形式化し,各タイムステップごとに静的ゲームの詳細を示す。 我々は、重み付きKnapsack問題を相互作用するシステムとして、Adversarial Knapsack最適化問題を定義する。 シナリオ、報酬、コストに対する一般的な認識は、非協力的なゲームのステージにつくでしょう。
  論文  参考訳（メタデータ） (2024-03-16T03:41:12Z)
• 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)
• Temporally-Aware Feature Pooling for Action Spotting in Soccer Broadcasts [86.56462654572813]
  私たちは、サッカーの試合の主なアクションを一時的にローカライズするサッカー放送におけるアクションスポッティングの分析に焦点を当てています。 時間的知識を組み込んだNetVLAD++という,NetVLADに基づく新たな機能プーリング手法を提案する。 我々は最近の大規模データセット SoccerNet-v2 の方法論をトレーニングし、評価し、アクションスポッティングのための平均平均mAP 53.4% に達した。
  論文  参考訳（メタデータ） (2021-04-14T11:09:03Z)
• Moody Learners -- Explaining Competitive Behaviour of Reinforcement Learning Agents [65.2200847818153]
  競合シナリオでは、エージェントは動的環境を持つだけでなく、相手の行動に直接影響される。 エージェントのQ値の観察は通常、その振る舞いを説明する方法であるが、選択されたアクション間の時間的関係は示さない。
  論文  参考訳（メタデータ） (2020-07-30T11:30:42Z)
• 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)
• Navigating the Landscape of Multiplayer Games [20.483315340460127]
  大規模ゲームの応答グラフにネットワーク測度を適用することで,ゲームのランドスケープを創出できることを示す。 本研究は, 標準ゲームから複雑な経験ゲームまで, 訓練されたエージェント同士のパフォーマンスを計測する領域における知見について述べる。
  論文  参考訳（メタデータ） (2020-05-04T16:58:17Z)

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。