論文の概要: Porimon: An LLM-Based Pokémon Battle Agent Enhanced by Long/Short-Term Knowledge Augmented Generation

• arxiv url: http://arxiv.org/abs/2609.32544v1
• Date: Sat, 26 Sep 2026 12:22:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 06:44:19.56766
• Title: Porimon: An LLM-Based Pokémon Battle Agent Enhanced by Long/Short-Term Knowledge Augmented Generation
• Title（参考訳）: Porimon:LLMベースのポケモンバトルエージェント
• Abstract要約: 我々は,Pokémon Battles をケーススタディとして,敵意識の計画を必要とするタスクにおいて LLM ベースのエージェントのパフォーマンスを改善する方法について検討する。 本稿ではLSTKAG(Long/Short-Term Knowledge Augmented Generation)を提案する。 LSTKAGに基づいて、ポケモンバトルのためのLLMベースのエージェント構造であるPolimonを設計する。
• 参考スコア（独自算出の注目度）: 27.082302648704708
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we use Pokémon Battles as a case study to investigate how to improve the performance of LLM-based agents in tasks that require opponent-aware planning without additional fine-tuning. We propose Long/Short-Term Knowledge Augmented Generation (LSTKAG), a mechanism that enables LLM-based agents to leverage past states of the current task and retrieve experience summaries from similar previous task instances based on the current state. Based on LSTKAG, we design Porimon, an LLM-based agent structure for Pokémon Battles. For optimization, we introduce an external API for precise damage calculation and more detailed information about the game. We conduct tournament-like evaluation experiments comprising 15,000 battles for hyperparameter optimization, ablation studies, and performance evaluation. The results indicate that Porimon-based players with hyperparameter optimization significantly outperform players based on PokéLLMon, an LLM-based agent structure proposed in previous research, and the rule-based heuristic player. Furthermore, our ablation study shows that Porimon variants outperform the one without extension in game information retrieval, which shows the contribution of that extension. However, the current experiment results are inconclusive regarding the contribution of Long-Term KAG. These results suggest that introducing external resources, information from previous states of the current task, and experience summaries from similar previous task instances could elevate the performance of LLM-based agents designed for tasks requiring opponent-aware planning.
• Abstract（参考訳）: 本稿では,ポケモンバトルをケーススタディとして用いて,追加の微調整を伴わずに対人意識の計画を必要とするタスクにおいて,LCMをベースとしたエージェントの性能を改善する方法について検討する。 我々は,LSTKAG(Long/Short-Term Knowledge Augmented Generation)を提案する。LLMベースのエージェントが,現在のタスクの過去の状態を利用して,現在の状態に基づいて,類似したタスクインスタンスから経験要約を検索する機構である。 LSTKAGに基づいて、ポケモンバトルのためのLLMベースのエージェント構造であるPolimonを設計する。 最適化のために、正確なダメージ計算とゲームに関するより詳細な情報のための外部APIを導入する。 我々は,ハイパーパラメータ最適化,アブレーション研究,性能評価のための15,000の戦闘からなるトーナメント型評価実験を行った。 以上の結果から,PokéLLMonは,従来のLLMエージェント構造であるPokéLLMonとルールベースヒューリスティックプレーヤより有意に優れていたことが示唆された。 さらに, ゲーム情報検索において, Porimon の変種は, ゲーム情報検索において, 拡張のない変種よりも優れており, その拡張の寄与が示されている。 しかし、現在の実験結果は、長期KAGの貢献については不確定である。 これらの結果は、外部リソースの導入、現在のタスクの以前の状態の情報、および同様のタスクインスタンスからの体験要約が、反対の計画を必要とするタスクのために設計されたLCMベースのエージェントの性能を高めることを示唆している。

関連論文リスト

• Freshness-Aware Prioritized Experience Replay for LLM/VLM Reinforcement Learning [43.63475878891097]
  強化学習(RL)は、学習後の大規模言語モデル(LLM)と視覚言語モデル(VLM)において驚くべき成功を収めた。 これらの方法は、単一の勾配更新後に収集された全ての軌道を破棄し、結果としてサンプル効率が低下する。 本稿では, PER に基づく優先度を乗算指数年齢減衰で増大させることにより, この優先度の安定化問題に対処する Freshness-Aware PER を提案する。
  論文  参考訳（メタデータ） (2026-04-18T08:51:29Z)
• Retrieval-Augmented LLM Agents: Learning to Learn from Experience [16.248836438253814]
  本研究では,検索対象のLLMエージェントを学習し,検索したトラジェクトリをコンテキスト内で活用する方法について検討する。 最先端のエージェントトレーニングパイプラインよりも優れたロラを用いた,堅牢な教師付き微調整(SFT)レシピを確立した。 その結果,この組み合わせによるタスクの一般化が著しく向上することが示唆された。
  論文  参考訳（メタデータ） (2026-03-18T20:45:04Z)
• AgentPRM: Process Reward Models for LLM Agents via Step-Wise Promise and Progress [71.02263260394261]
  大規模言語モデル(LLM)は、マルチターン意思決定タスクにおいて依然として課題に直面している。 プロセス報酬モデル(PRM)を構築し、各意思決定を評価し、エージェントの意思決定プロセスを導く。 AgentPRMは、シーケンシャルな決定と最終的な目標への貢献の間の相互依存の両方をキャプチャする。
  論文  参考訳（メタデータ） (2025-11-11T14:57:54Z)
• Enhancing Rating Prediction with Off-the-Shelf LLMs Using In-Context User Reviews [16.394933051332657]
  等級評価予測は、言語と数学的推論の両方を効果的に解く必要がある回帰タスクである。 本研究では,市販LCMの性能を評価予測に用い,異なるコンテキスト情報を提供する。 ユーザによるレビューでは,LCMのレーティング予測性能が大幅に向上していることがわかった。
  論文  参考訳（メタデータ） (2025-10-01T03:04:20Z)
• Counterfactual Simulatability of LLM Explanations for Generation Tasks [19.28024210770558]
  モデルがそれらの振る舞いを正確に説明できる能力は、特にハイテイクな設定で重要である。 因果的シミュラビリティ(英: Counterfactual simulatability)とは、ユーザが関連する反事実に対してモデルの出力を推測できる説明法である。 本研究の結果から, 知識に基づくタスクよりも, スキルベースのタスクの方が, 対実的シミュラビリティの評価に適している可能性が示唆された。
  論文  参考訳（メタデータ） (2025-05-27T20:29:50Z)
• GAMEBoT: Transparent Assessment of LLM Reasoning in Games [54.49589494014147]
  GAMEBoTは、大規模言語モデルの厳格な評価のために設計されたゲームアリーナである。 我々は,8つのゲームにまたがる17の卓越したLSMをベンチマークし,様々な戦略能力とゲーム特性について検討した。 以上の結果から,LDMに詳細なCoTプロンプトが付与されている場合でも,GAMEBoTは大きな課題となることが示唆された。
  論文  参考訳（メタデータ） (2024-12-18T08:32:53Z)
• CoPS: Empowering LLM Agents with Provable Cross-Task Experience Sharing [70.25689961697523]
  クロスタスク体験の共有と選択によるシーケンシャル推論を強化する一般化可能なアルゴリズムを提案する。 我々の研究は、既存のシーケンシャルな推論パラダイムのギャップを埋め、タスク間体験の活用の有効性を検証する。
  論文  参考訳（メタデータ） (2024-10-22T03:59:53Z)
• Long-Context LLMs Meet RAG: Overcoming Challenges for Long Inputs in RAG [36.754491649652664]
  Retrieval-augmented Generation (RAG)は、大規模言語モデル(LLM)に外部の知識ソースを利用する権限を与える。 本稿では, 回収した「ハードネガティブ」の有害な影響について考察する。 これを緩和し、長文LLMベースのRAGの堅牢性を高めるために、トレーニングフリーとトレーニングベースの両方のアプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-08T12:30:07Z)
• Towards Efficient LLM Grounding for Embodied Multi-Agent Collaboration [68.29746557968107]
  本稿では,多エージェント協調のための新しいフレームワークを提案する。これは,効率的な自己調整のための強化アドバンテージフィードバック(Reinforced Advantage feedback, ReAd)を導入する。 Over-AIと難解なRoCoBenchの実験は、ReAdが成功率のベースラインを超え、エージェントの相互作用ステップを著しく減少させることを示している。
  論文  参考訳（メタデータ） (2024-05-23T08:33:19Z)

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。