論文の概要: MARL-BattleGrounds: A Novel JAX-native Benchmark for Heterogeneous and Competitive Multi-agent RL

• arxiv url: http://arxiv.org/abs/2610.14883v1
• Date: Sat, 10 Oct 2026 12:57:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.12793
• Title: MARL-BattleGrounds: A Novel JAX-native Benchmark for Heterogeneous and Competitive Multi-agent RL
• Title（参考訳）: MARL-BattleGrounds: 異種および競合的なマルチエージェントRLのための新しいJAXネイティブベンチマーク
• Abstract要約: MARL-BattleGrounds (MARL-BGs) は、不均一で競合的なマルチエージェント強化学習(MARL)のためのJAXネイティブベンチマークである。 MARL-BGsは28のトピックで1ゲーム当たり11,192のメトリクスを記録している。 また、3つの強力なスクリプト付き対戦相手、分析的リプレイビューア、セルフプレイ、クロスプレイ、カリキュラム学習、ゼロショットコーディネーション評価のためのオフザシェルフツールを含む。
• 参考スコア（独自算出の注目度）: 13.425522459459794
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present MARL-BattleGrounds (MARL-BGs), an easy-to-use JAX-native benchmark for heterogeneous and competitive multi-agent reinforcement learning (MARL), designed to be sample-efficient, computationally efficient, and researcher-centric. MARL benchmarks are typically simple and efficient, like SMAX, where winning reduces to unit micromanagement, or rich and costly, like Dota 2. MARL-BGs fills this missing middle. Its first mode, Team Deathmatch, is a simultaneous turn-based game between two teams of five heterogeneous agents. The five classes have distinct basic, passive, and ultimate abilities designed to synergize with allies and counter enemies. Our 52 hand-designed maps with diverse obstacles include a 12-map curriculum and ten held-out validation and test maps. MARL-BGs provides two canonical evaluation modes. First, eight endgame scenarios form a hard generalization challenge: each asks a team to win an unseen, nearly lost position against a strong reactive controller within 5-10 ticks. Second, a monthly round-robin tournament retrains each submission on equal compute, plays it against every member of the current "Big Nine" field, and publishes the Elo results on the official leaderboard. All entrants are publicly released as downloadable opponents. MARL-BGs records 11,192 metrics per game in 28 topics. We also include three strong scripted opponents, an analytical replay viewer, and off-the-shelf tools for self-play, cross-play, curriculum learning, and zero-shot coordination evaluation. We even provide an API for LLM-based agents and use it to evaluate Qwen3.5-9B against our strongest policy. In our BattleClient, humans can play alongside or against any mix of policies, enabling human-AI evaluation. We benchmark MARL-BGs with six additional deep MARL baselines, which we release. On one RTX 5090 with 1,024 parallel games, the simulator runs 50,000 5v5 game steps per second.
• Abstract（参考訳）: MARL-BattleGrounds (MARL-BGs) は, サンプル効率, 計算効率, 研究者中心に設計した, 異種・競合的マルチエージェント強化学習(MARL)のためのJAXネイティブベンチマークである。 MARLベンチマークは通常、SMAXのように単純で効率的で、勝利は単体マイクロマネジメントに還元されるか、Dota 2のようにリッチでコストがかかる。 MARL-BGは、この行方不明の中間層を埋める。 最初のモードであるDeathmatchは、5つの異種エージェントからなる2つのチーム間のターンベースの同時ゲームである。 5つのクラスは、同盟国や敵対する敵とシナジー化するために設計された、基本的で受動的で究極の能力を持っている。 さまざまな障害のある52のハンドデザインマップには、12マップのカリキュラムと、10のホールドアウトバリデーションとテストマップが含まれています。 MARL-BGは2つの標準評価モードを提供する。 まず、8つのエンドゲームシナリオは、難しい一般化の課題を形成します。 第2に、毎月のラウンドロビントーナメントは、各応募を同じ計算で再訓練し、現在の「ビッグナイン」フィールドの全てのメンバーと対戦し、エロの結果を公式のリーダーボードに公開する。 すべての参加者は、ダウンロード可能な相手として公開されている。 MARL-BGsは28のトピックで1ゲーム当たり11,192のメトリクスを記録している。 また、3つの強力なスクリプト付き対戦相手、分析的リプレイビューア、セルフプレイ、クロスプレイ、カリキュラム学習、ゼロショットコーディネーション評価のためのオフザシェルフツールを含む。 LLMベースのエージェントのためのAPIも提供し、Qwen3.5-9Bの評価に使用しています。 私たちのBattleClientでは、人間はあらゆるポリシーに沿うか、反対し、人間とAIの評価を可能にします。 MARL-BGを6つの追加の深いMARLベースラインでベンチマークし、それをリリースします。 1つのRTX 5090と1,024の並列ゲームでは、シミュレータは毎秒50,000 5v5のゲームステップを実行している。

関連論文リスト

• 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)
• 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)
• 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)
• LM Fight Arena: Benchmarking Large Multimodal Models via Game Competition [104.81487689011341]
  本稿では,Mortal Kombat IIにおける大規模マルチモーダルモデルを評価する新しいフレームワークであるLM Fight Arenaを紹介する。 静的評価とは異なり、LM Fight Arenaは完全に自動化され、再現可能で、LMMの戦略的推論能力の客観的評価を提供する。
  論文  参考訳（メタデータ） (2025-10-10T02:19:21Z)
• PillagerBench: Benchmarking LLM-Based Agents in Competitive Minecraft Team Environments [48.892997022500765]
  PillagerBenchは、Minecraftのリアルタイムの競合チーム-vs-チームシナリオでマルチエージェントシステムを評価するフレームワークである。 また,LLMベースのマルチエージェントシステムであるTactiCrafterを提案する。 評価の結果、TactiCrafterはベースラインのアプローチよりも優れており、自己学習による適応学習を誇示している。
  論文  参考訳（メタデータ） (2025-09-07T22:51:12Z)
• 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)
• FightLadder: A Benchmark for Competitive Multi-Agent Reinforcement Learning [25.857375787748715]
  我々は、リアルタイムの格闘ゲームプラットフォームであるFightLadderを紹介し、競争力のあるMARL研究を促進する。 競争ゲームのための最先端のMARLアルゴリズムの実装と評価指標のセットを提供する。 シングルプレイヤーモードで12文字を連続的に打ち破る汎用エージェントを訓練することにより,このプラットフォームの実現可能性を示す。
  論文  参考訳（メタデータ） (2024-06-04T08:04:23Z)
• JaxMARL: Multi-Agent RL Environments and Algorithms in JAX [105.343918678781]
  我々は、GPU対応の効率と多くの一般的なMARL環境のサポートを組み合わせた、最初のオープンソースPythonベースのライブラリであるJaxMARLを紹介します。 我々の実験は、壁時計時間の観点から、JAXベースのトレーニングパイプラインが既存のアプローチの約14倍高速であることを示している。 また、人気の高いStarCraft Multi-Agent ChallengeのJAXベースの近似的な再実装であるSMAXを紹介し、ベンチマークする。
  論文  参考訳（メタデータ） (2023-11-16T18:58:43Z)
• Discovering Multi-Agent Auto-Curricula in Two-Player Zero-Sum Games [31.97631243571394]
  明示的な人間設計なしに更新ルールの発見を自動化するフレームワークであるLMACを導入する。 意外なことに、人間のデザインがなくても、発見されたMARLアルゴリズムは競争力や性能が向上する。 LMAC は,例えば Kuhn Poker のトレーニングやPSRO の成績など,小型ゲームから大規模ゲームへの一般化が可能であることを示す。
  論文  参考訳（メタデータ） (2021-06-04T22:30:25Z)

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。