論文の概要: CHAMP: Cross-domain Hybrid Architecture for Matchmaking and Prediction in Online Multi-Player Games
- arxiv url: http://arxiv.org/abs/2609.04870v1
- Date: Fri, 04 Sep 2026 08:30:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:23.976058
- Title: CHAMP: Cross-domain Hybrid Architecture for Matchmaking and Prediction in Online Multi-Player Games
- Title（参考訳）: CHAMP: オンラインマルチプレイヤーゲームにおけるマッチングと予測のためのクロスドメインハイブリッドアーキテクチャ
- Abstract要約: マルチプレイヤーオンラインバトルアリーナ(MOBA)ゲームは、競争バランスを維持するためにマッチメイキングに依存している。
デプロイメントボトルネックを解決するクロスドメインマッチングフレームワークであるCHAMPを紹介します。
CHAMPはターゲットモードのみのプレイヤープロファイルをハイブリッドドメイン機能コレクションに置き換える。
67.73%の勝利率予測精度を達成し、評価されたすべての注意とシーケンスベースラインを上回っている。
- 参考スコア（独自算出の注目度）: 11.51314302493261
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multiplayer Online Battle Arena (MOBA) games rely on matchmaking to maintain competitive balance. Our prior work, CUPID, framed matchmaking as an assignment re-optimization problem and showed that a single-mode win-rate predictor can meaningfully rebalance teams. However, deploying such a system across diverse player populations exposes three practical bottlenecks: most queueing players lack sufficient in-mode match history (cold start), skill distributions shift drastically across rank tiers (distribution inconsistency), and extreme skill segments are severely data-starved. We present CHAMP, a cross-domain matchmaking framework that resolves these deployment bottlenecks. To address data sparsity and cold starts, CHAMP replaces the target-mode-only player profile with a hybrid domain feature collection: a timestamp-ordered cross-mode short-term sequence whose slices are annotated with target-domain features, plus per-mode breakdowns of long-term, real-time and team statistics. We further propose the Domain-Aware Win-rate Network (DAWN): a Domain-aware Knowledge Extractor (DAKE) compiles target-mode attributes into learnable representations that feed Domain-Aware Temporal/Spatial/Permutation OmniNet Encoders (DATOE/DASOE/DAPOE), so that mode-conditioned representations and per-mode debiasing are learned jointly inside a single shared network. Online, one trained DAWN serves every supported mode, with per-mode position-satisfaction thresholds as the only mode-specific knob. Offline, DAWN achieves 67.73% win-rate prediction accuracy, outperforming all evaluated attention and sequence baselines. Online A/B tests across the entire League ladder of a large-scale MOBA game, from novice players up to the top-expert players served by Elite Mode, demonstrate consistent drops in imbalanced matches. For lower-tier players, CHAMP reduces the 5-minute kill crushing rate by up to 20.73%.
- Abstract（参考訳）: マルチプレイヤーオンラインバトルアリーナ(MOBA)ゲームは、競争バランスを維持するためにマッチメイキングに依存している。
我々の以前の作業であるCUPIDは、割り当ての再最適化問題としてマッチメイキングをフレーム化して、単一モードの勝利率予測器が、チームを有意義に再バランスできることを示しました。
しかし、このようなシステムを多様なプレイヤーに展開することは、3つの現実的なボトルネックを露呈する: ほとんどのキュープレーヤーは、十分なモードのマッチ履歴(コールドスタート)を欠いている。
デプロイメントボトルネックを解決するクロスドメインマッチングフレームワークであるCHAMPを紹介します。
データ間隔とコールドスタートに対処するため、CHAMPはターゲットモードのみのプレイヤープロファイルをハイブリッドドメインの機能コレクションに置き換える: タイムスタンプで順序付けられたクロスモードの短期シーケンスで、スライスにターゲットドメインの特徴が注釈付けされている。
さらに,ドメイン対応Win-rate Network(DAWN)を提案する。ドメイン対応知識エクストラクタ(DAKE)は,ターゲットモード属性を学習可能な表現にコンパイルし,ドメイン対応テンポラル/空間/置換OmniNetエンコーダ(DATOE/DASOE/DAPOE)を提供する。
オンラインでは、1つの訓練されたDAWNが全てのサポートモードを提供し、モードごとの位置満足度閾値が唯一のモード固有のノブである。
オフラインでは、DAWNは67.73%の勝利率予測精度を達成し、評価されたすべての注意とシーケンスベースラインを上回っている。
大規模なMOBAゲームのリーグラグ全体にわたるオンラインA/Bテストは、初心者選手からエリートモードで提供されるトップエキスパートプレイヤーまで、不均衡な試合で一貫した減少を示す。
低級選手の場合、CHAMPは5分間の殺傷率を20.73%まで下げる。
関連論文リスト
- Hierarchical Belief Modeling for Zero-Shot Opponent Adaptation in Partially Observable Multi-Agent Navigation [9.529619955597216]
Lux AI 第3シーズンでは、エージェントは部分観測可能性、ランダム化されたエピソードレベルのダイナミクス、そして戦術実行と迅速な適応の両方に報酬を与える5つのマッチ構造の下で行動する必要がある。
本稿では,対称性を意識した空間認識,二重メモリの信念追跡,中心的な残差グラフの注目,情報ゲイン駆動探索,および反対条件付き政策混合を組み合わせた階層型エージェントであるHoriZONを提案する。
論文 参考訳（メタデータ） (2026-09-11T04:17:38Z) - MINDGAMES: A Live Arena for Evaluating Social and Strategic Reasoning in Multi-Agent LLMs [54.81359054218573]
大規模言語モデル(LLM)のためのマルチゲームアリーナと評価プラットフォームであるMindgamesを紹介する。
Mindgamesは、統合されたインタラクションインターフェース、TrueSkillベースの評価、および4つのゲーム環境にわたる完全な軌跡ログを提供する。
我々は,決定論的オフライントーナメントプロトコルMG-Refとともに,ターンレベルの観察,アクション,報酬を含む29,571個のマルチエージェントゲームを分析した。
論文 参考訳（メタデータ） (2026-05-28T07:33:47Z) - Robust Player-Conditional Champion Ranking for League of Legends: Style Similarity, Mastery Priors, and Archetype-Constrained Discovery [0.0]
我々は,リーグ・オブ・レジェンドにおけるチャンピオン推薦を,スパース,ノイズ,非定常行動データに基づく解釈可能な,条件付きランキング問題として定式化する。
提案するフレームワークは、4つの情報ソース – 人口密度プロキシ、プレイヤースタイルの類似性、直接および間接的な熟達前、およびアーチタイプレベルのガードレール – を組み合わせている。
実装されたプロトタイプでは、Python/Pandasモデリング層、Supabaseベースのストレージ、Web対応レコメンデーションインターフェースが使用されている。
論文 参考訳（メタデータ） (2026-05-18T12:52:16Z) - Agent Island: A Saturation- and Contamination-Resistant Benchmark from Multiagent Games [0.0]
我々は,言語モデルエージェントが相互協力,対立,説得のゲームで競うマルチプレイヤーシミュレーション環境であるエージェントアイランドを紹介した。
ベイズプラケット・ルーキーモデルでプレイヤーをランク付けし、プレイヤースキルの不確実性を定量化する。
49のユニークなモデルを含む999のゲームでは、openai/gpt-5.5が5.64で、第2位のモデルであるopenai/gpt-5.2と第3位のモデルであるopenai/gpt-5.3-codexの2.86と、ピアを圧倒している。
論文 参考訳（メタデータ） (2026-05-05T21:24:58Z) - LM Fight Arena: Benchmarking Large Multimodal Models via Game Competition [104.81487689011341]
本稿では,Mortal Kombat IIにおける大規模マルチモーダルモデルを評価する新しいフレームワークであるLM Fight Arenaを紹介する。
静的評価とは異なり、LM Fight Arenaは完全に自動化され、再現可能で、LMMの戦略的推論能力の客観的評価を提供する。
論文 参考訳（メタデータ） (2025-10-10T02:19:21Z) - Multi-agent Multi-armed Bandits with Stochastic Sharable Arm Capacities [69.34646544774161]
我々は、各アームへのリクエストの到着とプレイヤーへのリクエストの割り当てポリシーをキャプチャするマルチプレイヤーマルチアーム・バンディット(MAB)モデルの新しいバリエーションを定式化する。
課題は、プレイヤーが最適な腕引きプロファイルに従って腕を選択するように分散学習アルゴリズムを設計する方法である。
我々は,Mラウンドのみの最適腕引きプロファイルにおいて,プレイヤーがコンセンサスに達することを保証した反復分散アルゴリズムを設計する。
論文 参考訳（メタデータ） (2024-08-20T13:57:00Z) - CUPID: Improving Battle Fairness and Position Satisfaction in Online MOBA Games with a Re-matchmaking System [38.36310386543932]
CUPIDは、フェアネスとプレイヤーの満足度の両方を改善するために、チームとポジションの割り当てを最適化することを目的としている。
マッチング品質の最小レベルを確保するために、事前フィルタリングのステップを組み込んだ後、事前マッチの勝利率予測モデルが続く。
CUPIDの有効性を検証するために、2つの大規模な実世界のMOBAデータセットを用いて実験を行った。
論文 参考訳（メタデータ） (2024-06-28T08:09:55Z) - 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) - Player Modeling using Behavioral Signals in Competitive Online Games [4.168733556014873]
本稿では,マッチング作成のためのプレイヤーのモデリングにおいて,演奏行動の異なる側面に対処することの重要性に焦点をあてる。
75,000以上のバトルロイヤルマッチのデータセットからいくつかの行動特性を設計し、プレイヤーモデルを作成しました。
次に、作成したモデルを使用して、データ内のさまざまなプレイヤーのグループのランクを予測します。
論文 参考訳（メタデータ） (2021-11-29T22:53:17Z) - Faster Algorithms for Optimal Ex-Ante Coordinated Collusive Strategies
in Extensive-Form Zero-Sum Games [123.76716667704625]
我々は,不完全情報ゼロサム拡張形式ゲームにおいて,対戦相手と対決する2人の選手のチームにとって最適な戦略を見つけることの課題に焦点をあてる。
この設定では、チームができる最善のことは、ゲーム開始時の関節(つまり相関した)確率分布から潜在的にランダム化された戦略(プレイヤー1人)のプロファイルをサンプリングすることである。
各プロファイルにランダム化されるのはチームメンバーの1人だけであるプロファイルのみを用いることで、そのような最適な分布を計算するアルゴリズムを提供する。
論文 参考訳（メタデータ） (2020-09-21T17:51:57Z) - Interpretable Real-Time Win Prediction for Honor of Kings, a Popular
Mobile MOBA Esport [51.20042288437171]
本研究では,2段階空間時間ネットワーク(TSSTN)を提案する。
実世界のライブストリーミングシナリオにおける実験結果と応用により,提案したTSSTNモデルは予測精度と解釈可能性の両方において有効であることが示された。
論文 参考訳（メタデータ） (2020-08-14T12:00:58Z) - Competitive Balance in Team Sports Games [8.321949054700086]
最終的なスコア差を用いることで,競争バランスの予測基準がさらに向上することを示す。
また、慎重に選択されたチームと個々の特徴に基づいて訓練された線形モデルが、より強力なニューラルネットワークモデルの性能をほぼ達成できることも示している。
論文 参考訳（メタデータ） (2020-06-24T14:19:07Z)
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。