論文の概要: OpenBlock: Constructive and Verified Content Generation for Adaptive Tile-Matching Games
- arxiv url: http://arxiv.org/abs/2609.22177v1
- Date: Thu, 27 Aug 2026 05:43:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.758222
- Title: OpenBlock: Constructive and Verified Content Generation for Adaptive Tile-Matching Games
- Title（参考訳）: OpenBlock: 適応的タイルマッチングゲームのための構成的で検証されたコンテンツ生成
- Abstract要約: 本稿では,2トラックコンテンツ生成アーキテクチャを主目的とする適応型タイルマッチングプラットフォームを提案する。
自己プレイ強化学習プレースメントエージェントを用いて、ゲームの主要な障害モードを診断する。
頭から頭へのアブレーションは、形状ごとの配置可能性の監督、--------------表現の利得を導いてくれる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Tile-matching puzzle games serve hundreds of millions of players, yet the content-generation algorithms that decide which pieces to present at each turn remain proprietary, and no open platform exists for studying adaptive difficulty in this genre. We present an adaptive tile-matching platform whose central algorithmic contribution is a dual-track content-generation architecture: a deterministic rule-based generator that is always available, and an optional learned generator, both subject to a common verification gate that establishes, by exhaustive sequential-placement search, that every delivered piece set is fully placeable so the learned track can never degrade the constructive-feasibility guarantee of the rule track. A self-play reinforcement-learning placement agent, supervised by auxiliary tasks that expose per-shape placeability to shared representations, is used to diagnose the game's dominant failure mode: at high board fill, long-bar pieces lose the majority of their legal placements. Across 234,000+ self-play episodes the agent reaches a 35.6\% win rate (median score 4,200), and controlled simulation shows that at board fill rates of 70--75\%, 33--56\% of long-bar pieces have no legal placement, while spawn difficulty distributions are statistically indistinguishable between won and lost games---evidence that board-state degeneration, not content difficulty, drives late-game failure. Head-to-head ablations show that per-shape placeability supervision---not aggregate difficulty features---drives the representation gain, and a 14-day online gray rollout (48,000 players; sample-ratio verified, CUPED-adjusted) lifts day-1 retention by 1.8 percentage points and session duration by 7\% over the rule track alone, quantifying the neural track's asymmetric upside in live play.
- Abstract（参考訳）: タイルマッチングパズルゲームは数億のプレイヤーに役立っているが、各ターンにどのピースを提示するかを決定するコンテンツ生成アルゴリズムはプロプライエタリであり、このジャンルの適応困難を研究するためのオープンプラットフォームは存在しない。
提案する適応型タイルマッチングプラットフォームは,2トラックのコンテントジェネレータであり,常に利用可能な決定論的ルールベースジェネレータ,および任意の学習ジェネレータである。
自己プレイ強化学習プレイスメントエージェントは、共有表現に形状ごとのプレースビリティを露呈する補助タスクによって監督され、ゲームの主流の障害モードを診断するために使用される。
234,000以上のセルフプレイエピソードにおいて、エージェントは35.6\%の勝利率(中間スコア4,200)に達し、制御されたシミュレーションにより、ボードフィリングレート70-75\%、ロングバーピース33-56\%は法的配置がなく、産卵困難分布は勝利と敗戦の間で統計的に区別できない。
ヘッド・ツー・ヘッド・アブリケーションは、形状ごとの配置可能性の監督 -- 集合的難易度の特徴ではなく -- が表現のゲインを導いており、14日間のオンライン灰色のロールアウト(48,000人のプレーヤー、サンプル比率の確認、CUPED調整)がルールトラックだけで1日1の保持を1.8ポイント、セッション期間を75%引き上げ、ニューラルネットワークの非対称なアップサイドをライブプレイで定量化していることを示している。
関連論文リスト
- Training-Free Off-Screen Player Imputation for Broadcast-Based Spatial Football Analytics [0.9185901163605424]
スポーツフットボールのメトリクスは、22人の選手のポジションにアクセスできることを前提としている。
メインカメラは10～16台しか表示できない。
得られた歪みを再現可能なオープンなベンチマークで定量化する。
論文 参考訳（メタデータ） (2026-07-13T13:33:45Z) - Arena-T2I Hard: Benchmarking and Improving Faithfulness with Dependency-Aware Checklist [69.81453995715673]
既存の忠実度ベンチマークは単純な原子命令に依存している。
本稿では,実アリーナT2Iログから抽出した310プロンプトの応力ベンチマークであるArena-T2I Hardを紹介する。
本稿では,各プロンプトをイエス/ノー質問のDAGに分解し,失敗する両親の子孫をゼロにする依存性対応チェックリスト報酬を提案する。
論文 参考訳（メタデータ） (2026-06-30T14:17:05Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Reliability-Asymmetric Spacecraft Autonomy: Co-Designing a Capable Learned GNC Stack with a Verified, Adaptation-Aware Runtime Shield [2.28438857884398]
ルールベースの自律性は認証可能であるが不安定であり、学習された自律性は能力があるが検証するのは難しい。
AMPLE-GNCは3層誘導、ナビゲーション、制御スタックである。
文法制約付き復号化による事前訓練された360Mモデルの微調整は、ハードな出力値保証を与える。
我々は,有能な制御器であっても,ラッチングセーフホールドシールドが抑制可能であることを示す。
論文 参考訳（メタデータ） (2026-06-24T03:55:21Z) - Beyond the Current Observation: Evaluating Multimodal Large Language Models in Controllable Non-Markov Games [69.57330692969543]
RNG-Benchは、過去の観測を再構築するベースモデルの能力を分離するために設計されたベンチマークスイートである。
RNG-Benchには2つの補完ゲームがある: マッチングペア(英語版) - 特定の場所でカードのIDを短期間明らかにする) と、エゴセントリックなビューを空間地図に統合する3D Maze である。
最も難しい構成では、約128Kのトークンと350のイメージ入力のコンテキストが必要であり、フロンティアMLLMによる飽和には程遠いままである。
論文 参考訳（メタデータ） (2026-06-17T17:59:34Z) - 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) - Data-Augmented Game Starts for Accelerating Self-Play Exploration in Imperfect Information Games [9.1095646170628]
StarCraft、Dota、CounterStrikeのような大規模な不完全情報競合ゲームに対する近似平衡は、計算的に不可能である。
本稿では,オンライン探索の大幅な高速化を目的としたマルチエージェント起動状態サンプリング戦略を提案する。
我々は,不完全な情報ゲームにおける開始状態分布の増大が,偏りを生じさせることを示した。
論文 参考訳（メタデータ） (2026-05-14T05:00:52Z) - Reproducing AlphaZero on Tablut: Self-Play RL for an Asymmetric Board Game [0.6574517227976925]
非対称な歴史的ボードゲームであるTablutへのAlphaZero強化学習アルゴリズムの適用について検討する。
100回以上のセルフプレイが実施され、改良されたモデルは着実に改善され、ベイズエロの格付けは1235となった。
実験の結果、AlphaZeroのセルフプレイフレームワークが高度に非対称なゲームに移行できることが確認された。
論文 参考訳（メタデータ） (2026-04-07T06:16:19Z) - 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) - No-Regret Learning in Time-Varying Zero-Sum Games [99.86860277006318]
固定ゼロサムゲームにおける繰り返しプレイからの学習は、ゲーム理論とオンライン学習における古典的な問題である。
提案手法は,3つの性能基準の下で,良好な保証を同時に享受できる1つのパラメータフリーアルゴリズムである。
本アルゴリズムは,ある特性を満たすブラックボックスベースラーナー群に対するメタアルゴリズムを用いた2層構造に基づく。
論文 参考訳（メタデータ） (2022-01-30T06:10:04Z)
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。