論文の概要: Can AI Agents Learn Their Way to the Top? Evaluating Heuristic Learning in a Long-Running Game Agent Competition

• arxiv url: http://arxiv.org/abs/2610.12341v1
• Date: Thu, 08 Oct 2026 17:15:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.206616
• Title: Can AI Agents Learn Their Way to the Top? Evaluating Heuristic Learning in a Long-Running Game Agent Competition
• Title（参考訳）: AIエージェントはトップへの道のりを学べるか? 長時間のゲームエージェントコンペティションにおけるヒューリスティック学習の評価
• Abstract要約: ヒューリスティックラーニング(英: Heuristic Learning、AHL)は、AIエージェントを学習エンジンとして使用してゲームポリシーを洗練し、ソフトウェアをサポートするパラダイムである。 AAArenaは12の正反対ゲームと1,920のアーカイブされた人間プログラムからなるベンチマークである。 エージェントは、ルールを解釈し、相手を選択し、リプレイを分析し、ゲームエージェントを修正し、一定の試合と評価予算の中で最高ランクを達成する。
• 参考スコア（独自算出の注目度）: 40.08494811358436
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adversarial games have driven advances from heuristic search to reinforcement learning, yet learning and adapting strategies from limited samples remain challenging. AI agents offer an alternative by turning game experience into revisions of executable policies. Building on heuristic learning (HL), we formalize Adversarial Heuristic Learning (AHL), a paradigm that uses AI agents as learning engines to refine game policies and supporting software while keeping model weights fixed. We introduce AAArena, a benchmark comprising 12 authentic adversarial games and 1,920 archived human programs, with an evaluation protocol modeled on real-world game competitions. Agents interpret rules, choose opponents, analyze replays, and revise game agents to achieve their highest ranking within fixed match and evaluation budgets. We evaluate \val{completedmodels} model and harness configurations: Opus5.5 with Claude Code earns 6 gold medals, while no evaluated configuration tops the remaining 6 human ladders. Performance is generally weaker in games with more complex rule specifications. Further experiments show that opponent selection and dense feedback support policy improvement, and that agents learn from both on-policy replays of their own matches and off-policy replays of other players' matches. These results highlight HL's potential in adversarial games and identify persistent challenges in game understanding, strategy implementation, and long-horizon policy development.
• Abstract（参考訳）: 敵対的なゲームはヒューリスティック検索から強化学習への進歩を推進してきたが、限られたサンプルからの学習と適応戦略は依然として困難なままである。 AIエージェントは、ゲーム体験を実行可能なポリシーのリビジョンに変換することで、代替手段を提供する。 AHL(Adversarial Heuristic Learning)は、AIエージェントを学習エンジンとして使用してゲームポリシーを洗練し、モデルの重みを固定しつつソフトウェアをサポートするパラダイムである。 AAArenaは12の正反対ゲームと1,920のアーカイブされたヒューマンプログラムからなるベンチマークであり、実世界のゲームコンペティションをモデルとした評価プロトコルである。 エージェントは、ルールを解釈し、相手を選択し、リプレイを分析し、ゲームエージェントを修正し、一定の試合と評価予算の中で最高ランクを達成する。 Opus5.5 with Claude Codeは6つの金メダルを獲得し、残りの6つのはしごは評価されていない。 一般に、より複雑なルール仕様を持つゲームではパフォーマンスが弱い。 さらなる実験により、対戦相手の選択と密集したフィードバック支援ポリシーの改善が示され、エージェントは自身の試合のオン・ポリティクス・リプレイと、他の選手の試合のオフ・ポリティクス・リプレイの両方から学習する。 これらの結果は、HLの対戦ゲームの可能性を強調し、ゲーム理解、戦略実装、長期ポリシー開発における永続的な課題を特定する。

関連論文リスト

• STRATA: Self-Learning Through Role-Aligned Tiered Agents for Real-Time Strategy Games [17.288255065164442]
  我々は,レッドアラートのためのクロスゲーム・セルフラーニングを備えたロールアラインな階層システムSTRATAを提案する。 STRATAは戦略エージェント(SA)、論理エージェント(LA)、戦術エージェント(TA)に戦略的、論理的、戦術的決定を割り当てる SAはグローバルゲーム状態と関連するエクスペリエンスカードに基づいて高レベルディレクティブを生成し、LAとTAはロジスティクスと戦術実行を処理する。 本研究では,経験カードの形成,学習前後のフルマッチ比較,プレイスタイルの異なるAI相手に対する学習経験を通じて,STRATAを評価した。
  論文  参考訳（メタデータ） (2026-09-30T03:31:06Z)
• Oops, Not Now: PEARL, a RAG-Based Support Agent for Gameplay and What Players Want from AI Help [16.68356031030621]
  AIを利用したゲームプレイ支援エージェントは、ゲームベースの学習を約束するが、構造化されたゲームデータに生成モデルを基礎付けることは、依然としてオープンな課題である。 本稿では、意味的知識検索と構造的ボード状態マッチングを組み合わせた二重成分検索拡張生成システムPEARLを提案する。 PEARLは2つの入力ストリーム(自然言語クエリとボードトポロジー)で動作し、ゲームプレイの動きの概念的説明とピア生成されたボード状態の両方を証拠として検索する。
  論文  参考訳（メタデータ） (2026-09-12T05:05:29Z)
• 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)
• Play Like Champions: Counterfactual Feedback Generation in Latent Space [10.090846922590462]
  本稿では,反ファクトパス生成のためのフレームワークであるLatent Maps of Performanceを紹介する。 我々は23,305のプロトーナメントリプレイでガイド付き変分オートエンコーダモデルを訓練した。 我々は、私たちが採用しているパスフィニング手法にはトレードオフがあり、将来の研究が人間の改善のためのモデルソリューションの開発に集中することを望んでいると結論づける。
  論文  参考訳（メタデータ） (2026-06-30T21:15:34Z)
• 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)
• Enhancing Language Agent Strategic Reasoning through Self-Play in Adversarial Games [60.213483076150844]
  本稿では,PLAY-And-Learn,SCO-PALを用いたステップレベルのポリCy最適化手法を提案する。 対戦相手を異なるレベルに設定することで、対戦相手の選択を詳細に分析し、戦略的推論を改善する最も効果的な方法が自己プレーであることを見出した。 我々は6試合でGPT-4に対して54.76%の勝利率を達成した。
  論文  参考訳（メタデータ） (2025-10-19T09:03:28Z)
• Who is a Better Player: LLM against LLM [53.46608216197315]
  本稿では,大規模言語モデル (LLM) の総合的な性能を評価するための対戦型ベンチマークフレームワークを提案する。 広範にプレイされている5つのゲームをサポートし,20のLDMを駆使したプレーヤーを対象とする,特別な評価プラットフォームであるQi Townを紹介した。
  論文  参考訳（メタデータ） (2025-08-05T06:41:47Z)
• All by Myself: Learning Individualized Competitive Behaviour with a Contrastive Reinforcement Learning optimization [57.615269148301515]
  競争ゲームのシナリオでは、エージェントのセットは、彼らの目標を最大化し、敵の目標を同時に最小化する決定を学習する必要があります。 本稿では,競争ゲームの表現を学習し,特定の相手の戦略をどうマップするか,それらを破壊するかを学習する3つのニューラルネットワーク層からなる新しいモデルを提案する。 我々の実験は、オフライン、オンライン、競争特化モデル、特に同じ対戦相手と複数回対戦した場合に、我々のモデルがより良いパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2023-10-02T08:11:07Z)
• Generating Diverse and Competitive Play-Styles for Strategy Games [58.896302717975445]
  ターン型戦略ゲーム(Tribes)のためのプログレッシブアンプランによるPortfolio Monte Carlo Tree Searchを提案する。 品質分散アルゴリズム(MAP-Elites)を使用して異なるプレイスタイルを実現し、競争レベルを維持しながらパラメータ化する方法を示します。 その結果,このアルゴリズムは,トレーニングに用いるレベルを超えて,幅広いゲームレベルにおいても,これらの目標を達成できることが示された。
  論文  参考訳（メタデータ） (2021-04-17T20:33:24Z)

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。