論文の概要: Build, Don't Play: Self-Improving LLM Research Agents Develop a Hearthstone Battlegrounds AI That Rivals Top Players

• arxiv url: http://arxiv.org/abs/2610.33845v1
• Date: Sat, 24 Oct 2026 18:33:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.459462
• Title: Build, Don't Play: Self-Improving LLM Research Agents Develop a Hearthstone Battlegrounds AI That Rivals Top Players
• Title（参考訳）: Build, Don't Play: 自己改善型LLM研究エージェントは、トッププレイヤーを競うハースストーンバトルグラウンドAIを開発する
• Abstract要約: AutoTavernはHarthstone Battlegroundsの自己改善型研究システムである。 タイプされた研究メモリを共有し、すべてのクレームが検証ゲートを通過し、ライブゲームがループを閉じる。 20日間でAutoTavernは、ライブゲームの忠実で完全な再現であるTavernGymを作った。 タヴァーンAgentの23バージョンを納品し、実戦で対戦相手に対してPPOでトレーニングを行った。
• 参考スコア（独自算出の注目度）: 12.81232258725319
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Can LLM agents carry a hard real-world problem from raw data to a system that holds its own against people? We study this in Hearthstone Battlegrounds, an eight-player auto-battler with stochastic shops and battles, hidden information and nearly a thousand interacting cards. We present AutoTavern, a self-improving research system: specialised LLM research agents share a typed research memory, every claim passes verification gates, and live games close the loop, so the agents improve the simulator, opponents and policy and, from the same feedback, their own research process; a human sets goals and rules on ambiguous mechanics. In 20 days AutoTavern built TavernGym, the first faithful, full-content reproduction of the live game, and delivered 23 versions of TavernAgent, trained with PPO against opponents calibrated to real games. TavernAgent plays complete games on the live ladder by itself: its rating rose from 6,000 to about 15,000 and, on the public leaderboard's measure, its last 20 records average a placement of 1.60 with 80% first places, better than the server's ten highest-rated players on every statistic (2.34, 59%). TavernBench, 960 tasks in 40 scenarios, shows that the system the agents built is the strongest player: TavernAgent answers 91% of the play tasks against at most 63% for frontier LLMs, and decides in 0.03 s where they need up to 26 s; within the second a live turn allows, it keeps 90% and no LLM more than 26%. LLM agents build far better than they play. We will open-source TavernBench and TavernGym at https://github.com/MCG-NJU/AutoTavern.
• Abstract（参考訳）: LLMエージェントは、生データから人に対する自己保持システムまで、厳しい現実の問題を運ぶことができるのか? 我々はHerthstone Battlegroundsでこれを研究し、確率的な店や戦闘、隠された情報、そして1000近い相互作用カードを備えた8人の自動戦闘者について研究した。 自己改善型研究システムであるAutoTavernについて述べる: LLM研究エージェントは、型付き研究メモリを共有し、全てのクレームが検証ゲートを通過し、ライブゲームがループをクローズする。 20日間でAutoTavernは、ライブゲームの忠実で完全な再現であるTavernGymを作り、23バージョンのTavernAgentを納品した。 TavernAgentは、ライブのはしごで完全なゲームを行う: レーティングは6000から約15,000に上昇し、公開のリーダーボードの指標では、最後の20レコードは1.60で、最初の場所は80%で、各統計の上位10人 (2.34, 59%) よりも優れていた。 TavernBench氏(40のシナリオで960のタスク)は、エージェントが最強のプレイヤーであることを示している。 TavernAgent氏は、フロンティアLSMの少なくとも63%に対して、プレイタスクの91%を回答し、最大26秒を必要とする0.03秒で決定する。 LLMエージェントは、プレイするよりもはるかにうまく構築します。 私たちはTavernBenchとTavernGymをhttps://github.com/MCG-NJU/AutoTavernでオープンソース化します。

関連論文リスト

• 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)
• Shoot First, Ask Questions Later? Building Rational Agents that Explore and Act Like People [81.63702981397408]
  限られたリソースを前提として、言語モデル(LM)に基づいたエージェントは、どの程度合理的に行動するのか? エージェント情報探索をベンチマークし,強化する手法を開発し,人間の行動から洞察を抽出する。 Spotterエージェントでは、LMのみのベースラインよりも14.7%の精度で精度を向上し、Captainエージェントでは、期待情報ゲイン(EIG)を0.227ビット(達成可能なノイズ天井の94.2%)まで引き上げる。
  論文  参考訳（メタデータ） (2025-10-23T17:57:28Z)
• PokéAI: A Goal-Generating, Battle-Optimizing Multi-agent System for Pokemon Red [4.558478169296784]
  Pok'eAIは,Pok'emon Redを通じて自律的に再生・進行するように設計された,テキストベースでマルチエージェントな大規模言語モデル(LLM)フレームワークである。 本システムでは,3つの専門エージェント(Planning, Execution, Critique-each)と,独自のメモリバンク,役割,スキルセットで構成されている。
  論文  参考訳（メタデータ） (2025-06-30T10:09:13Z)
• SmartPlay: A Benchmark for LLMs as Intelligent Agents [45.76707302899935]
  SmartPlayはRock-Paper-Scissors, Tower of Hanoi, Minecraftなど,6つの異なるゲームで構成されている。 各ゲームは知的LLMエージェントの9つの重要な能力のサブセットに挑戦する。 テストには、オブジェクト依存による推論、事前計画、空間的推論、履歴からの学習、ランダムさの理解が含まれる。
  論文  参考訳（メタデータ） (2023-10-02T18:52:11Z)

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。