論文の概要: Strategy, Not Payoffs: A Behavioural Embedding of Normal-Form Games

• arxiv url: http://arxiv.org/abs/2607.27536v1
• Date: Thu, 30 Jul 2026 00:10:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.349713
• Title: Strategy, Not Payoffs: A Behavioural Embedding of Normal-Form Games
• Title（参考訳）: 支払いではなく戦略 - 通常のゲームに対する振る舞いの埋め込み
• Abstract要約: ゲーム間の微調整後, LLMの戦略能力の変化をゲーム埋め込みで説明し, 予測できるかどうかを検討する。 既存の構造的埋め込みはゲームのアイデンティティを記憶し、一般化に失敗するが、動作的埋め込みはホールドアウトゲームのパフォーマンス変化を確実に予測する。
• 参考スコア（独自算出の注目度）: 8.99869329367482
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning a strategic task changes more than what is directly taught: fine-tuning on one game can either enhance or degrade an agent's ability to reason in another. Understanding and predicting this transfer of strategic capabilities, however, remains a key challenge for large language models (LLMs). Normal-form games provide an ideal testbed for analyzing this phenomenon, as they feature explicitly defined payoffs and well-characterized equilibrium behaviours. In this work, we investigate whether game embeddings can explain and predict changes in LLM strategic capabilities following fine-tuning across different games. We propose a lightweight two-feature embedding that captures fundamental behavioural demands: the entropy of the Nash equilibrium and the sensitivity of optimal responses to an opponent's action. We show that while existing published structural embeddings primarily memorize game identities and fail to generalize, our behavioural embedding reliably predicts performance changes on held-out games. These results demonstrate that the transfer of strategic capabilities in LLMs is not dictated by the payoff geometry of a game, but by the underlying structure of the decision-making behaviour it requires.
• Abstract（参考訳）: 戦略的なタスクの学習は、直接的に教えられること以上に変化する: あるゲームの微調整は、エージェントの他のエージェントの推論能力を強化するか、低下させる可能性がある。 しかし、この戦略的能力の伝達を理解し予測することは、大きな言語モデル(LLM)にとって重要な課題である。 正規形式ゲームはこの現象を解析するための理想的なテストベッドを提供する。 本研究では,ゲーム間の微調整によるLSM戦略能力の変化をゲーム埋め込みが説明・予測できるかどうかを検討する。 本稿では,ナッシュ均衡のエントロピーと,相手の行動に対する最適応答の感度という,基本的な行動要求を捉える軽量な2機能埋め込みを提案する。 既存の構造埋め込みは、主にゲームIDを記憶し、一般化に失敗するが、動作埋め込みはホールドアウトゲームの性能変化を確実に予測する。 これらの結果から, LLMにおける戦略能力の伝達は, ゲームのペイオフ幾何学によって決定されるのではなく, 決定行動の基盤となる構造によって決定されることが示された。

関連論文リスト

• Towards Improving Sequential Decision-Making in LLM Agents via Experience Memory [3.4935179780034242]
  大規模言語モデルは単発推論タスクで大幅に改善されているが、シーケンシャルな意思決定における性能はよく理解されていない。 本研究では,完全観測可能な2プレイヤーゼロサムゲームについて検討する。 ゲーム後リフレクションとルール抽出は, モデル重みを変更することなく, tic-tac-toeに対して測定可能な改善をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-08-04T10:12:12Z)
• Ranking Joint Policies in Dynamic Games using Evolutionary Dynamics [0.0]
  単純な2プレイヤーゲームでもエージェントの相互作用のダイナミクスはナッシュ平衡に達することができないことが示されている。 我々のゴールは、安定した行動をもたらすエージェントの合同戦略を特定し、変化に抵抗すると同時に、エージェントの支払いも考慮することである。
  論文  参考訳（メタデータ） (2025-02-20T16:50:38Z)
• Paths to Equilibrium in Games [6.812247730094933]
  我々は、強化学習におけるポリシー更新に触発されたペアワイズ制約を満たす戦略の列について研究する。 我々の分析は、戦略的な更新を劣化させる報酬が、満足のいく道に沿って均衡に進むための鍵である、という直感的な洞察を明らかにした。
  論文  参考訳（メタデータ） (2024-03-26T19:58:39Z)
• K-Level Reasoning: Establishing Higher Order Beliefs in Large Language Models for Strategic Reasoning [76.3114831562989]
  マルチエージェント環境で戦略を動的に適応させるためには、LLM(Large Language Model)エージェントが必要である。 我々は,「K-Level Reasoning with Large Language Models (K-R)」という新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-02T16:07:05Z)
• Causal Strategic Classification: A Tale of Two Shifts [11.929584800629675]
  戦略行動と因果効果が,2つの相補的な分布シフトをいかに生み出すかを示す。 本稿では,この2つの力のバランスと時間とともに学習アルゴリズムを提案し,エンドツーエンドのトレーニングを可能にした。
  論文  参考訳（メタデータ） (2023-02-13T11:35:59Z)
• 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)
• Who Leads and Who Follows in Strategic Classification? [82.44386576129295]
  戦略分類における役割の順序は、決定者とエージェントが互いの行動に適応する相対周波数によって決定される。 更新頻度を自由に選択できる意思決定者は,いずれの順番でスタックルバーグ均衡に収束する学習力学を誘導できることを示す。
  論文  参考訳（メタデータ） (2021-06-23T16:48:46Z)
• Deep Policy Networks for NPC Behaviors that Adapt to Changing Design Parameters in Roguelike Games [137.86426963572214]
  例えばRoguelikesのようなターンベースの戦略ゲームは、Deep Reinforcement Learning(DRL)にユニークな課題を提示する。 複雑なカテゴリ状態空間をより適切に処理し、設計決定によって強制的に再訓練する必要性を緩和する2つのネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-12-07T08:47:25Z)
• The Design Of "Stratega": A General Strategy Games Framework [62.997667081978825]
  Strategaはターンベースおよびリアルタイム戦略ゲームを作成するためのフレームワークである。 このフレームワークは、統計的フォワードプランニング(SFP)エージェントに焦点を当てて構築されている。 我々は,このフレームワークとそのエージェントの開発が,戦略ゲームにおける複雑な意思決定プロセスの理解に役立つことを願っている。
  論文  参考訳（メタデータ） (2020-09-11T20:02:00Z)
• Efficient exploration of zero-sum stochastic games [83.28949556413717]
  ゲームプレイを通じて,ゲームの記述を明示せず,託宣のみにアクセス可能な,重要で一般的なゲーム解決環境について検討する。 限られたデュレーション学習フェーズにおいて、アルゴリズムは両方のプレイヤーのアクションを制御し、ゲームを学習し、それをうまくプレイする方法を学習する。 私たちのモチベーションは、クエリされた戦略プロファイルの支払いを評価するのにコストがかかる状況において、利用可能性の低い戦略を迅速に学習することにあります。
  論文  参考訳（メタデータ） (2020-02-24T20:30:38Z)

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。