論文の概要: DiG-bench: Discovery in Games
- arxiv url: http://arxiv.org/abs/2608.12593v1
- Date: Wed, 12 Aug 2026 21:06:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.327493
- Title: DiG-bench: Discovery in Games
- Title（参考訳）: DiG-bench: ゲームにおける発見
- Abstract要約: ディグベンチは70の独立したゲームからなる。
ゲームのレベルは、ルールが発見されたかどうかをテストするための一連の課題を提示します。
70試合は全て、最初の試みで少なくとも1人の人間によって解決された。
- 参考スコア（独自算出の注目度）: 46.68149875140523
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Discovery---formulating novel generalizations---is a central part of the scientific process. Despite its importance, there is a gap in the current AI benchmark landscape, with few benchmarks directly probing the capacity for discovering new knowledge with experimentation in controlled environments where the objective is unknown. To address this gap, we release a new benchmark: DiG-bench (Discovery in Games). DiG-bench consists of a set of 70 independent games. Each game is encoded as a short string and has unique transformation rules that must be discovered through interaction and experimentation. The levels of the game present a series of challenges to test whether the rules have been discovered, where the win conditions for each level are also unknown. We provide games at seven tiers of difficulty for AI agents. The lowest tier is routinely solvable by multiple models, while the highest tier challenges the best models in agentic harnesses. All 70 games were solved by at least one human on first attempt. A subset of 21 games is released publicly, and the remainder is held private for secure evaluation.
- Abstract（参考訳）: 発見--新しい一般化を形作る---科学プロセスの中心的な部分である。
その重要性にもかかわらず、現在のAIベンチマークの状況にはギャップがあり、目的が不明な制御された環境で実験による新しい知識を発見する能力を直接的に検証するベンチマークはほとんどない。
このギャップに対処するため、新しいベンチマークであるDiG-bench(Discovery in Games)をリリースしました。
ディグベンチは70の独立したゲームからなる。
各ゲームはショートストリングとしてエンコードされ、相互作用と実験を通じて発見されなければならないユニークな変換ルールを持つ。
ゲームのレベルは、ルールが発見されたかどうかをテストするための一連の課題を示し、各レベルに対する勝利条件も不明である。
AIエージェントには7段階の難易度でゲームを提供しています。
最も低い層は複数のモデルによって日常的に解決可能であり、最も高い層はエージェントハーネスの最良のモデルに挑戦する。
70試合は全て、最初の試みで少なくとも1人の人間によって解決された。
21試合のサブセットが公開され、残りは安全な評価のために非公開にされる。
関連論文リスト
- Twin: Playing an Unknown Game with a Test-Time Digital Twin [22.644194631480772]
本稿では、フロンティア符号化エージェントが連続学習タスクを完了するための実行可能世界モデルを記述するテスト時世界モデル推論(Twin)システムを提案する。
本システムは,シミュレーションとインタラクションのみから構築する。
ツインは183レベル中179レベル(97.8%)をクリアし、179レベル中158レベル(88.3%)は人間よりも効率的である。
論文 参考訳（メタデータ） (2026-08-14T17:06:00Z) - GameWorld: Towards Standardized and Verifiable Evaluation of Multimodal Game Agents [76.60994803070436]
GameWorldは、ブラウザ環境におけるマルチモーダル大言語モデル(MLLM)ゲームエージェントの評価のためのベンチマークである。
2つのゲームエージェントインタフェースが研究され、 (i) キーボードとマウスのコントロールを直接出力するコンピュータ利用エージェント、 (ii) セマンティックアクション空間で作用する汎用マルチモーダルエージェントが研究されている。
18組のモデルとインタフェースのペアによる結果は、最高のパフォーマンスエージェントでさえ、ビデオゲームで人間の能力を達成するには程遠いことを示唆している。
論文 参考訳（メタデータ） (2026-04-08T17:49:03Z) - AI Gamestore: Scalable, Open-Ended Evaluation of Machine General Intelligence with Human Games [63.29377274531968]
我々はAI GameStoreを紹介した。これはスケーラブルでオープンなプラットフォームで、新しい代表的人間のゲームを合成する。
Apple App StoreとSteamのトップチャートに基づいて100のゲームを生成し、短いプレイで7つのフロンティアビジョン言語モデル(VLM)を評価します。
最高のモデルは、ほとんどのゲームで人間の平均スコアの10%未満を達成し、特に世界モデルの学習、記憶、計画に挑戦するゲームに苦戦した。
論文 参考訳（メタデータ） (2026-02-19T18:17:25Z) - FlashAdventure: A Benchmark for GUI Agents Solving Full Story Arcs in Diverse Adventure Games [56.81554611870848]
我々はFlashAdventureを紹介した。これは、フルストーリーのアーク補完をテストするために設計された、34のFlashベースのアドベンチャーゲームのベンチマークである。
また,ゲームプレイの自動評価装置であるCUA-as-a-Judgeと,長期記憶を利用したエージェントフレームワークであるCOASTを提案する。
実験では、現在のGUIエージェントがフルストーリーのアークに苦しむのに対して、COASTは観察と振る舞いのギャップを埋めることでマイルストーンの完了を改善する。
論文 参考訳（メタデータ） (2025-09-01T01:33:16Z) - 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) - Teamwork under extreme uncertainty: AI for Pokemon ranks 33rd in the
world [0.0]
本稿では,ゲームのメカニズムを解説し,ゲーム解析を行う。
ゲームにおける2つの最大の課題は、バランスのとれたチームを維持し、不確実性の3つの源に対処することだ、という認識に基づいて、ユニークなAIアルゴリズムを提案する。
我々のAIエージェントは、これまでのすべての試みよりも大幅に向上し、世界で最も人気のある戦闘フォーマットの1つで、世界で33位まで上昇しました。
論文 参考訳（メタデータ） (2022-12-27T01:52:52Z) - CommonsenseQA 2.0: Exposing the Limits of AI through Gamification [126.85096257968414]
現代自然言語理解モデルの能力をテストするベンチマークを構築した。
本研究では,データ構築の枠組みとしてゲーミフィケーションを提案する。
論文 参考訳（メタデータ） (2022-01-14T06:49:15Z) - TotalBotWar: A New Pseudo Real-time Multi-action Game Challenge and
Competition for AI [62.997667081978825]
TotalBotWarは、ゲームAIのための新しい擬似リアルタイムマルチアクションチャレンジだ。
ゲームはTotalWarのゲームシリーズに基づいており、プレイヤーは敵のゲームに勝つために軍隊を管理する。
論文 参考訳（メタデータ） (2020-09-18T09:13:56Z) - Inducing game rules from varying quality game play [0.0]
汎用ゲームプレイング(英: General Game Playing、GGP)は、人工知能プログラムが様々なゲームを成功させるために必要なフレームワークである。
IGGPは、特定のゲーム観測から一般的なゲームルールを誘導する問題である。
私たちは2014年のGGPコンテストの勝者であるSanchoを使って、多くのゲームでインテリジェントなゲームトレースを生成しています。
次に、ILPシステム、Metagol、Aleph、ILASPを使用して、トレースからゲームルールを誘導する。
論文 参考訳（メタデータ） (2020-08-04T15:46:57Z) - Finding Game Levels with the Right Difficulty in a Few Trials through
Intelligent Trial-and-Error [16.297059109611798]
ダイナミックな難易度調整の方法は、ゲームが特定のプレイヤーに調整されてエンゲージメントを最大化することを可能にする。
現在の手法では、相手の難易度やリソースの可利用性など、限られたゲーム機能だけを変更していることが多い。
本稿では,数回の試行で特定の目的の難易度で完全なレベルを生成・探索できる手法を提案する。
論文 参考訳（メタデータ） (2020-05-15T17:48:18Z) - Nmbr9 as a Constraint Programming Challenge [0.0]
Nmbr9は、ポリオミノを用いたソリティアスタイルのパズルゲームである。
ゲームのルールは簡単に説明できるが、制約プログラミングを使ってゲームを効果的にモデル化することは難しい。
この抽象化は、ゲームを提示し、ベンチマークやテストに適したゲームの新たな一般化された変種を提供し、提示された変種に対するモデルを記述する。
論文 参考訳（メタデータ） (2020-01-13T13:40:49Z)
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。