論文の概要: Modular Discovery of General Game-Playing Algorithms with Large Language Models

• arxiv url: http://arxiv.org/abs/2609.33115v1
• Date: Sun, 27 Sep 2026 02:37:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 10:19:47.339914
• Title: Modular Discovery of General Game-Playing Algorithms with Large Language Models
• Title（参考訳）: 大規模言語モデルを用いた汎用ゲームプレイングアルゴリズムのモジュール発見
• Abstract要約: ルールのみから任意のゲームにまたがる一般的なゲームプレイングは、ゲームクラスによって異なる要件と厳格な決定時間制約のため、依然として困難である。 我々は,Large Language Models (LLMs) を用いて汎用ゲームプレイングアルゴリズムの探索を行う。 我々は、OpenSpielトレーニングやホールトアウトゲーム、手続きシミュレーションエンジン、PPOを介してトレーニングされた深いニューラルポリシー値表現を持つゲームなど、400以上の多様な環境で発見されたメカニズムをベンチマークした。
• 参考スコア（独自算出の注目度）: 8.649235365712004
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: General Game Playing across arbitrary games from rules alone remains challenging due to differing algorithmic requirements across game classes and strict decision-time constraints. Rather than hand-designing search heuristics for specific domains, can we leverage Large Language Models (LLMs) to discover general game-playing algorithms? Because language models can propose and refactor structured code, they provide an expressive proposal engine for exploring the space of algorithmic designs. We introduce a multi-agent LLM meta-learning system to co-evolve game-agnostic procedural search mechanisms in C++ alongside domain heuristics synthesized directly from game rules. Controlling the compute budget, we benchmark the discovered mechanisms across more than 400 diverse environments, including OpenSpiel training and held-out games, procedural simulation engines, and games with deep neural policy-value representations trained via PPO. Evaluated via AlphaRank stationary distributions and Soft Condorcet Optimization (SCO) against 15 established MCTS baselines, the discovered search mechanisms consistently achieve top-tier ratings and pairwise ballot majorities over most baselines across independent evolutionary runs, generalizing to unseen human-designed and procedurally synthesized games and remaining competitive with baselines on frozen neural network representations.
• Abstract（参考訳）: ルールのみから任意のゲームにまたがる一般的なゲームプレイングは、ゲームクラス間でのアルゴリズム要件の相違や厳格な決定時間制約のため、依然として困難である。 特定のドメインの検索ヒューリスティックを手作業で設計するのではなく、Large Language Models (LLMs) を使って一般的なゲームプレイングアルゴリズムを発見できるだろうか? 言語モデルは構造化されたコードを提案し、リファクタリングすることができるため、アルゴリズム設計の空間を探索するための表現力のある提案エンジンを提供する。 ゲームルールから直接合成されたドメインヒューリスティックと並行して,C++におけるゲームに依存しない手続き探索機構を共進化させるマルチエージェントLLMメタラーニングシステムを提案する。 計算予算を制御し、OpenSpielトレーニングやホールトアウトゲーム、手続きシミュレーションエンジン、PPOを介してトレーニングされた深い神経ポリシー値表現を持つゲームなど、400以上の多様な環境で発見されたメカニズムをベンチマークした。 AlphaRankの定常分布と、確立されたMCTSベースラインに対するSCO(Soft Condorcet Optimization)を通じて評価され、発見された検索メカニズムは、独立進化的実行におけるほとんどのベースラインに対して、トップレベルレーティングとペアワイズなバロットマジョリティを一貫して達成し、人間設計および手続き的に合成されたゲームに一般化し、凍結したニューラルネットワーク表現のベースラインと競合し続ける。

関連論文リスト

• Mastering Board Games by External and Internal Planning with Language Models [30.782334791241556]
  探索に基づくプランニングにより,大規模言語モデルによるゲームプレイ能力の大幅な向上が期待できることを示す。 外部探索では,モンテカルロ木探索のロールアウトと評価を外部ゲームエンジンに呼び出しずにガイドし,内部探索では,探索の線形化木と最終的な選択をインコンテキストで生成するように訓練する。 提案手法は,探索とドメイン知識を組み合わせることで,ボードゲームに特化せず,より汎用的な応用を示唆するものである。
  論文  参考訳（メタデータ） (2024-12-02T18:56:51Z)
• Autoverse: An Evolvable Game Language for Learning Robust Embodied Agents [2.624282086797512]
  シングルプレイヤ2Dグリッドベースのゲームのための,進化可能なドメイン固有言語であるAutoverseを紹介する。 オープンエンデッドラーニング(OEL)アルゴリズムのスケーラブルなトレーニンググラウンドとしての利用を実証する。
  論文  参考訳（メタデータ） (2024-07-05T02:18:02Z)
• Accelerate Multi-Agent Reinforcement Learning in Zero-Sum Games with Subgame Curriculum Learning [65.36326734799587]
  ゼロサムゲームのための新しいサブゲームカリキュラム学習フレームワークを提案する。 エージェントを以前に訪れた状態にリセットすることで、適応的な初期状態分布を採用する。 我々は,2乗距離をNE値に近似するサブゲーム選択指標を導出する。
  論文  参考訳（メタデータ） (2023-10-07T13:09:37Z)
• SPRING: Studying the Paper and Reasoning to Play Games [102.5587155284795]
  我々は,ゲーム本来の学術論文を読み取るための新しいアプローチ,SPRINGを提案し,大言語モデル(LLM)を通してゲームの説明とプレイの知識を利用する。 実験では,クラフトオープンワールド環境の設定下で,異なる形態のプロンプトによって引き起こされる文脈内「推論」の品質について検討した。 我々の実験は、LLMが一貫したチェーン・オブ・シークレットによって誘導されると、洗練された高レベル軌道の完成に大きな可能性があることを示唆している。
  論文  参考訳（メタデータ） (2023-05-24T18:14:35Z)
• A unified stochastic approximation framework for learning in games [82.74514886461257]
  ゲームにおける学習の長期的挙動(連続的・有限的)を解析するためのフレキシブルな近似フレームワークを開発する。 提案する分析テンプレートには,勾配に基づく手法,有限ゲームでの学習のための指数的/乗算的重み付け,楽観的および帯域的変異など,幅広い一般的な学習アルゴリズムが組み込まれている。
  論文  参考訳（メタデータ） (2022-06-08T14:30:38Z)

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。