論文の概要: SAGE: Structured Strategic Reasoning for Efficient LLM Game Playing

• arxiv url: http://arxiv.org/abs/2609.34342v1
• Date: Mon, 28 Sep 2026 05:20:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 21:44:21.382199
• Title: SAGE: Structured Strategic Reasoning for Efficient LLM Game Playing
• Title（参考訳）: SAGE: 効率的なLLMゲームプレイのための構造化戦略推論
• Abstract要約: SAGEは、LLMの戦略的推論を3つの協調操作を中心に構築する、トレーニング不要な推論時間フレームワークである。 戦略的に関係した相互作用を、以前に欠落した考慮事項に関する反実的な仮説に蒸留する。 推論集約的なLSMエージェントと比較すると、SAGEはLiar's Diceの127.6%の改善を達成している。
• 参考スコア（独自算出の注目度）: 13.650142582623216
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A strong LLM strategic agent should reason prospectively over uncertain futures, adapt its strategy to opponents' behavioral tendencies, and continuously recalibrate its decision process from interaction experience. However, incorporating these sources in free-form reasoning could lead to unsupported strategic assumptions, inconsistent opponent estimates, and harmful interference from irrelevant historical interactions. To address these issues, we propose SAGE, a training-free inference-time framework that structures LLM strategic reasoning around three coordinated operations: anchor, adapt, and recalibrate. SAGE first anchors reasoning to an equilibrium policy that provides a strategically valid prior. It then conditions deviations from this anchor on a soft belief over opponent behavioral tendencies, enabling opponent-specific exploitation. Finally, SAGE distills strategically related interactions into counterfactual hypotheses about previously missing considerations, allowing past experience to recalibrate the model's reasoning. We evaluate SAGE on three repeated imperfect-information games: Leduc Hold'em, Liar's Dice, and Goofspiel, against various opponent types in each game. Compared with reasoning-intensive LLM agents, including Suspicion-Agent, ReTA, Agent-Pro, EMO, and Hypothetical Minds, SAGE achieves up to a 127.6% payoff improvement in Liar's Dice while reducing input and output token usage by up to 80% and 90%, respectively. In direct match-up play, it attains non-negative mean payoff against 5/10, 8/10, and 8/10 evaluated opponents in Leduc Hold'em, Liar's Dice, and Goofspiel, respectively, while using relatively fewer tokens. Code is available at https://github.com/chenzhwsysu57/SAGE.
• Abstract（参考訳）: 強力なLSM戦略エージェントは、不確実な未来を予測的に予測し、その戦略を相手の行動傾向に適応させ、相互作用経験から意思決定プロセスを継続的に再検討するべきである。 しかし、これらの情報源を自由形式の推論に組み込むことは、支持できない戦略的仮定、矛盾する相手の推定、無関係な歴史的相互作用からの有害な干渉につながる可能性がある。 これらの問題に対処するため,我々は,LLMの戦略的推論を,アンカー,適応,再調整の3つの操作を中心に構築する,トレーニング不要な推論時間フレームワークであるSAGEを提案する。 SAGEはまず、戦略的に妥当な事前を提供する均衡政策の推論をアンカーする。 その後、相手の行動傾向に対するソフトな信念に基づいて、このアンカーからの逸脱を条件付け、相手固有の搾取を可能にする。 最後に、SAGEは、戦略的に関連する相互作用を、それまでの見当違いについての反現実的な仮説に精査し、過去の経験がモデルの推論を再検討することを可能にする。 我々は,SAGEを3つの不完全情報ゲーム(Leduc Hold'em,Liar's Dice,Goofspiel)において,各ゲームにおける種々の対戦相手に対して評価した。 Suspicion-Agent(英語版)、ReTA(英語版)、Agent-Pro(英語版)、EMO(英語版)、Physthetical Minds(英語版)などの推論集約的なLSMエージェントと比較して、SAGEは最大で127.6%のLiar's Diceのペイオフ改善を実現し、それぞれ最大80%と90%のトークン使用量を削減している。 直接試合では、比較的少ないトークンを使用しながら、Leduc Hold'em, Liar's Dice, Goofspielの5/10, 8/10, 8/10評価相手に対して非負の平均ペイオフを達成する。 コードはhttps://github.com/chenzhwsysu57/SAGEで入手できる。

関連論文リスト

• LLM-Guided Reinforcement Learning for Adaptive NPC Behavior in Multi-Agent Combat Games [0.0]
  大規模言語モデル(LLM)が基礎となる動作を変更することなく、訓練されたRLポリシーをガイドする実行時戦略選択フレームワークについて検討する。 我々は,600話にまたがる3つのスクリプト型に対して,どちらの構成も評価し,Mann-Whitney U テストを用いて結果を分析した。
  論文  参考訳（メタデータ） (2026-08-27T07:17:58Z)
• Solver-Guided Reasoning for Mixed-Equilibrium Strategies [38.03807500614725]
  Mixed-Strategy Decision Tree (MDT) は、均衡の静かな最適性をスパース戦略規則に定義する。 我々は,無制限テキサスホールデムに関するこの研究を,Textbf250万以上の混合戦略決定に対して解法託を問うことによってインスタンス化する。
  論文  参考訳（メタデータ） (2026-08-07T03:12:06Z)
• Towards Improving Sequential Decision-Making in LLM Agents via Experience Memory [3.4935179780034242]
  大規模言語モデルは単発推論タスクで大幅に改善されているが、シーケンシャルな意思決定における性能はよく理解されていない。 本研究では,完全観測可能な2プレイヤーゼロサムゲームについて検討する。 ゲーム後リフレクションとルール抽出は, モデル重みを変更することなく, tic-tac-toeに対して測定可能な改善をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-08-04T10:12:12Z)
• Can Agents Deceive? Evaluating Reasoning and Deception in ParliamentBench using a Social Deduction Game [23.840355539083372]
  大規模言語モデル (LLM) は、医療や法体系などの高度な設定においてエージェントとしてデプロイされる。 我々は,情報非対称性の下での誤認,説得,推論を必要とするシナリオにおいてLLMを評価する。 本稿では,社会的推論,推論,虚偽の一貫性を分離する3つの新しい指標を紹介する。
  論文  参考訳（メタデータ） (2026-07-30T12:54:17Z)
• Auditing Belief-Conditioned LLM Agents in Hidden-Information Social Deduction Games [50.880420636090896]
  9-player Werewolf環境において,隠れた役割に対する外部信頼状態を維持するための監査可能なフレームワークを構築した。 我々は,その効果を関連づけとして報告し,そのメカニズムを未解決として扱う。
  論文  参考訳（メタデータ） (2026-07-12T16:03:30Z)
• 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)
• Gaming the Judge: Unfaithful Chain-of-Thought Can Undermine Agent Evaluation [76.5533899503582]
  大規模言語モデル(LLM)は、エージェントのパフォーマンスを評価するために、ますます裁判官として使われている。 このパラダイムは、エージェントのチェーン・オブ・シークレット(CoT)推論が内部の推論と環境状態の両方を忠実に反映していることを暗黙的に仮定している。 我々は、操作された推論だけで、様々なWebタスクにまたがる800の軌跡に対して、最先端のVLM審査員の偽陽性率を最大90%向上させることができることを実証した。
  論文  参考訳（メタデータ） (2026-01-21T06:07:43Z)
• Beyond Survival: Evaluating LLMs in Social Deduction Games with Human-Aligned Strategies [54.08697738311866]
  Werewolfのようなソーシャル推論ゲームは、言語、推論、戦略を組み合わせている。 我々は,100時間以上のビデオ,32.4M発声トークン,15の規則変種を含む高品質で人間認証されたWerewolfデータセットをキュレートした。 本稿では,勝利派戦略を2段階の真理として活用する新たな戦略調整評価法を提案する。
  論文  参考訳（メタデータ） (2025-10-13T13:33:30Z)
• GTBench: Uncovering the Strategic Reasoning Limitations of LLMs via Game-Theoretic Evaluations [87.99872683336395]
  大規模言語モデル(LLM)は、重要な現実世界のアプリケーションに統合される。 本稿では,LLMの競合環境における推論能力について検討する。 まず,広く認識されている10のタスクを構成する言語駆動型環境であるGTBenchを提案する。
  論文  参考訳（メタデータ） (2024-02-19T18:23:36Z)

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。