論文の概要: Where Does Balance Break? Boundary Discovery for Game Balance Testing under a Finite Simulation Budget

• arxiv url: http://arxiv.org/abs/2608.28364v1
• Date: Fri, 28 Aug 2026 14:17:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.349671
• Title: Where Does Balance Break? Boundary Discovery for Game Balance Testing under a Finite Simulation Budget
• Title（参考訳）: バランスはどこで破られるのか? 有限シミュレーション予算下でのゲームバランステストの境界発見
• Abstract要約: 有限シミュレーション予算の下で境界発見問題としてゲームバランス回帰試験を定式化する。 本稿では,多方向候補生成,予算対応2段階スクリーニング,境界修正のための適応的なステップサイズ縮小を組み合わせたBBExplorerを提案する。
• 参考スコア（独自算出の注目度）: 0.45127516760754416
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Software testing often relies on assumptions such as reproducible executions and stable correctness criteria. However, many modern software systems exhibit non-deterministic executions and large behavior spaces, making exhaustive exploration impractical and single-run judgments unreliable. These characteristics make it difficult to identify where acceptable behavior ends and problematic behavior begins. Competitive multiplayer games represent a challenging instance of such systems, where balance must be maintained so that no single strategy dominates. Even small parameter changes can trigger abrupt balance disruption, yet detecting such failures requires repeated simulations under non-deterministic outcomes and high-dimensional parameter spaces. In this paper, we formulate game balance regression testing as a boundary-discovery problem under a finite simulation budget. The objective is to efficiently identify inputs near the boundary that separates balanced and unbalanced regions. To address this problem, we propose BBExplorer, which combines multi-directional candidate generation, budget-aware two-stage screening, and adaptive step-size shrinkage for boundary refinement. Experimental results on two games with different levels of complexity show that the approach is strong in low-dimensional settings and remains effective in higher-dimensional ones. It also exhibits stable boundary behavior across unseen random seeds and threshold settings. These results indicate that BBExplorer is effective for practical balance regression testing and, more broadly, for boundary-oriented testing in non-deterministic, budget-constrained systems.
• Abstract（参考訳）: ソフトウェアテストは再現可能な実行や安定した正当性基準といった仮定に依存することが多い。 しかし、現代のソフトウェアシステムの多くは非決定的な実行と大きな行動空間を示しており、徹底的な探索が現実的でなく単行の判断は信頼できない。 これらの特徴は、許容可能な行動が終了し、問題となる行動が始まる場所を特定するのを難しくする。 競争力のあるマルチプレイヤーゲームは、単一の戦略が支配できないようにバランスを保たなければならないようなシステムの挑戦的な例である。 小さなパラメータの変更でさえ、突然のバランス破壊を引き起こすことがあるが、そのような失敗を検出するには、非決定論的結果と高次元パラメータ空間の下で繰り返しシミュレーションが必要である。 本稿では,有限シミュレーション予算の下で境界探索問題としてゲームバランス回帰試験を定式化する。 目的は、バランスの取れた領域とバランスの取れていない領域を分離する境界付近の入力を効率的に識別することである。 この問題に対処するために,多方向候補生成,予算対応2段階スクリーニング,境界修正のための適応的なステップサイズ縮小を組み合わせたBBExplorerを提案する。 異なるレベルの複雑さを持つ2つのゲームの実験結果から、アプローチは低次元設定では強く、高次元設定では有効であることが示された。 また、目に見えないランダムシードとしきい値設定にまたがる安定した境界挙動を示す。 これらの結果から,BBExplorerは非決定論的,予算制約のないシステムにおいて,実際のバランス回帰テストに有効であり,より広範に境界指向テストに有効であることが示唆された。

関連論文リスト

• LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
  大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。 CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
  論文  参考訳（メタデータ） (2026-05-02T11:31:33Z)
• JANUS: Structured Bidirectional Generation for Guaranteed Constraints and Analytical Uncertainty [0.0]
  JANUS(Joint Ancestral Network for Uncertainity and Synthesis)は、ベイズ決定木のDAGを用いて機能を統合するフレームワークである。 主な革新はReverse-Topological Back-fillingであり、因果グラフを通して制約を後方に伝播するアルゴリズムである。 Janusは最先端の忠実度(Detection Score 0.497)を実現し、不均衡なデータのモード崩壊を排除し、複雑なカラム間制約を正確に処理する。
  論文  参考訳（メタデータ） (2026-03-04T05:36:11Z)
• Steerable Adversarial Scenario Generation through Test-Time Preference Alignment [58.37104890690234]
  対立シナリオ生成は、自律運転システムの安全性評価のためのコスト効率の良いアプローチである。 textbfSteerable textbfAdversarial scenario textbfGEnerator (SAGE) という新しいフレームワークを導入する。 SAGEは、逆境とリアリズムの間のトレードオフを、再トレーニングなしできめ細かいテストタイムコントロールを可能にします。
  論文  参考訳（メタデータ） (2025-09-24T13:27:35Z)
• STORI: A Benchmark and Taxonomy for Stochastic Environments [2.8825582215429186]
  Reinforcement Learning (RL)技術は、Atari100kのようなシミュレーションベンチマークで素晴らしいパフォーマンスを達成した。 現実のシステムはノイズの多い観測、予測不可能な力学、非定常状態を含むため、中心的な障害は環境性である。 本稿では,環境の包括的5種類の分類法を提案し,最先端のモデルベースRLアルゴリズムの系統的脆弱性を実証する。
  論文  参考訳（メタデータ） (2025-09-01T21:43:22Z)
• Learning to Explore with Lagrangians for Bandits under Unknown Linear Constraints [8.784438985280094]
  線形制約が未知の多腕バンディットにおける純粋探索として問題を研究する。 まず、制約下での純粋な探索のために、サンプルの複雑さを低く抑えたラグランジアン緩和を提案する。 第二に、ラグランジアンの下界と凸の性質を利用して、トラック・アンド・ストップとガミファイド・エクスプローラー(LATSとLAGEX)の2つの計算効率の良い拡張を提案する。
  論文  参考訳（メタデータ） (2024-10-24T15:26:14Z)
• Reshaping the Online Data Buffering and Organizing Mechanism for Continual Test-Time Adaptation [49.53202761595912]
  継続的なテスト時間適応は、訓練済みのソースモデルを適用して、教師なしのターゲットドメインを継続的に変更する。 我々は、オンライン環境、教師なしの自然、エラー蓄積や破滅的な忘れのリスクなど、このタスクの課題を分析する。 教師なしシングルパスデータストリームから重要サンプルを高い確実性で識別・集約する不確実性を考慮したバッファリング手法を提案する。
  論文  参考訳（メタデータ） (2024-07-12T15:48:40Z)
• Automatically Adaptive Conformal Risk Control [49.95190019041905]
  本稿では,テストサンプルの難易度に適応して,統計的リスクの近似的条件制御を実現する手法を提案する。 我々のフレームワークは、ユーザが提供するコンディショニングイベントに基づく従来のコンディショニングリスク制御を超えて、コンディショニングに適した関数クラスのアルゴリズム的、データ駆動決定を行う。
  論文  参考訳（メタデータ） (2024-06-25T08:29:32Z)
• STBA: Towards Evaluating the Robustness of DNNs for Query-Limited Black-box Scenario [50.37501379058119]
  本研究では,クエリ制限シナリオにおいて,悪意のある逆の例を作成するために,空間変換ブラックボックス攻撃(STBA)を提案する。 そこで本研究では,STBAが対向例の認識不能性を効果的に改善し,クエリ制限条件下での攻撃成功率を大幅に向上できることを示す。
  論文  参考訳（メタデータ） (2024-03-30T13:28:53Z)
• Online Constraint Tightening in Stochastic Model Predictive Control: A Regression Approach [49.056933332667114]
  確率制約付き最適制御問題に対する解析解は存在しない。 制御中の制約強調パラメータをオンラインで学習するためのデータ駆動型アプローチを提案する。 提案手法は, 確率制約を厳密に満たす制約強調パラメータを導出する。
  論文  参考訳（メタデータ） (2023-10-04T16:22:02Z)
• Adaptive Batch Sizes for Active Learning A Probabilistic Numerics Approach [28.815294991377645]
  アクティブな学習並列化は広く使われているが、一般的には実験全体を通してバッチサイズの修正に依存している。 この固定されたアプローチは、コストとスピードの間の動的なトレードオフのため、非効率である。 本稿では,バッチサイズを適応的に変更する新しい確率論フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-09T12:17:18Z)
• Robust Fitted-Q-Evaluation and Iteration under Sequentially Exogenous Unobserved Confounders [9.401989343015364]
  連続的に外生的でない共同設立者が存在する場合、ロバストな政策評価と政策最適化について検討する。 本研究は,敗血症治療のシミュレーションと実世界の縦断医療データの両方において,複雑性境界,洞察,有効性を示す。
  論文  参考訳（メタデータ） (2023-02-01T18:40:53Z)
• Robust-Adaptive Control of Linear Systems: beyond Quadratic Costs [14.309243378538012]
  線形システムのロバストかつ適応的なモデル予測制御(MPC)の問題を考える。 この設定に対して、最初のエンドツーエンドのサブ最適トラクティリティ解析を提供する。
  論文  参考訳（メタデータ） (2020-02-25T12:24:17Z)

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。