論文の概要: CoToan: Executable Rules and a Representation Contract for Reproducible Game AI Evaluation
- arxiv url: http://arxiv.org/abs/2610.39353v1
- Date: Thu, 29 Oct 2026 04:46:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-01 01:32:10.040438
- Title: CoToan: Executable Rules and a Representation Contract for Reproducible Game AI Evaluation
- Title（参考訳）: CoToan: 実行可能なルールと再現可能なゲームAI評価のための表現契約
- Abstract要約: ベトナムの数学チェスの仕様書と表現契約であるCoToanを用いて,この問題について検討する。
CoToanは、算術的な目撃者ではなく、状態遷移によるアクションを表し、タスクアイデンティティの一部として時間と勝利の構成を扱います。
クロス表現テストは、法的な行動、後継者国家、数百のサンプルおよび構築されたポジションにわたる最終結果において合意を示す。
制御された診断は、一様目撃レベルサンプリングがエンドポイントアクションの確率を変化させる一方で、残時間や勝利設定を省略すると、異なる端末動作で状態がマージされることを示している。
- 参考スコア（独自算出の注目度）: 1.3359845727419115
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Game AI results are comparable only when different implementations expose the same decision problem. Yet seemingly minor representation choices can silently change that problem by altering action probabilities or collapsing states with different outcomes. We study this issue through CoToan, an executable specification and representation contract for Vietnamese Mathematical Chess connecting the Game Description Language (GDL) with OpenSpiel. The game provides a useful case because a single capture may have multiple arithmetic justifications, while outcomes can depend on scoring rules and a finite playing horizon. CoToan therefore represents actions by their state transitions rather than by arithmetic witnesses, and treats time and victory configuration as part of task identity. Cross-representation tests show agreement in legal actions, successor states, and terminal outcomes across hundreds of sampled and constructed positions, complemented by exhaustive checks of all 32 operator masks and 512 opposing-material subsets. Controlled diagnostics further show that uniform witness-level sampling alters endpoint-action probabilities, while omitting remaining time or victory settings can merge states with different terminal behavior. These results show that action semantics, time, and victory configuration are not merely implementation details. They are part of the experimental task itself and must be represented explicitly for reproducible game AI.
- Abstract（参考訳）: ゲームAIの結果は、異なる実装が同じ決定問題を公開する場合にのみ同等である。
しかし、一見小さな表現の選択は、行動確率を変化させたり、異なる結果で状態を崩壊させることで、その問題を静かに変えることができる。
我々は,ベトナムの数学チェスの仕様書と表現契約であるCoToanを通じてこの問題を考察する。
このゲームは、単一のキャプチャが複数の算術的正当化を持つのに対して、結果がスコアリングルールと有限プレイ水平線に依存するため、有用なケースを提供する。
したがってCoToanは、算術的な目撃者ではなく、状態遷移による行動を表し、タスクアイデンティティの一部として時間と勝利の構成を扱います。
クロス表現テストは、32個のオペレーターマスクと512個の反対物質サブセットの徹底的なチェックによって補完される、数百のサンプルおよび構築されたポジションにわたる法的行動、後継状態、および端末結果の合意を示す。
制御された診断は、一様目撃レベルサンプリングがエンドポイントアクションの確率を変化させる一方で、残時間や勝利設定を省略すると、異なる端末動作で状態がマージされることを示している。
これらの結果は、アクションセマンティクス、時間、勝利の設定が単に実装の詳細ではないことを示している。
それらは実験的なタスクの一部であり、再現可能なゲームAIのために明示的に表現されなければならない。
関連論文リスト
- Game2Real-Bench: Do Toy Games Reveal and Transfer to Real-World Visual Reasoning? [49.15607533200217]
本研究では,玩具ゲームで測定された能力が実世界の視覚的推論と一致しているか,ゲーム事例が移動を支援するかを検討する。
プロシージャで生成した1000個のゲームサンプルを実行可能検証し,400個の実世界のサンプルを共有推論要求に従ってキュレートする。
Pearson と Spearman の相関は 0.935 である。
論文 参考訳（メタデータ） (2026-10-13T17:55:10Z) - GameLogicBench: Evaluating Coding Agents on Runtime Game Logic with Tick-Level State Assertions [37.944046267001745]
コーディングエージェントは、大規模なソフトウェアプロジェクト間でコードを変更およびテストすることができる。
現在のゲーム開発ベンチマークでは、固定された例を再生したり、ビデオをスコアしたり、他のモデルに結果の判断を依頼する。
我々はGodotプロジェクトにおける72のゲームプレイ論理タスクのベンチマークであるGameLogicBenchを紹介する。
論文 参考訳（メタデータ） (2026-09-18T09:51:41Z) - MNIST-PRO: MNIST is Back as a Partially Observable World for AI Agents [74.83535434786145]
MNIST-PRO (MNIST-PRO) は、MNISTの桁認識を、ルックバック制約付きシーケンシャルな視線に基づく検索タスクに変換することで、エージェント認識を分離するベンチマークである。
生の視覚履歴、テキスト状態、構造化されたメートル法グリッドマップ、統合された視覚キャンバスを含む4つの記憶表現の10つのマルチモーダルモデルを評価する。
論文 参考訳（メタデータ） (2026-08-31T16:05:39Z) - Humans Are More Diverse: Frontier LLMs Show Extreme Policies in Idealised AI Development Races [0.4338724691489186]
大型言語モデル (LLM) エージェントの2人から5人の競技者を対象に, 戦略的安全行動について検討した。
まず、ゲームエンジンを検証し、次にルールのリコール、状態追跡、計算、安定性をテストする。
監査は、強いルールリコールが、弱い状態追跡と期待される支払い計算と共存できることを示します。
論文 参考訳（メタデータ） (2026-08-02T12:18:00Z) - Beyond the Current Observation: Evaluating Multimodal Large Language Models in Controllable Non-Markov Games [69.57330692969543]
RNG-Benchは、過去の観測を再構築するベースモデルの能力を分離するために設計されたベンチマークスイートである。
RNG-Benchには2つの補完ゲームがある: マッチングペア(英語版) - 特定の場所でカードのIDを短期間明らかにする) と、エゴセントリックなビューを空間地図に統合する3D Maze である。
最も難しい構成では、約128Kのトークンと350のイメージ入力のコンテキストが必要であり、フロンティアMLLMによる飽和には程遠いままである。
論文 参考訳（メタデータ） (2026-06-17T17:59:34Z) - Chess-World-Model: A 10M-Game Benchmark for Exact State Tracking from Chess Move Sequences [2.7214777196418645]
我々は1000万の実際のチェスゲームから構築された大規模ステートトラッキングベンチマークであるChess-World-Modelを紹介した。
我々は、負の固有値を持つ因果変換器、ブロック対角SLiCE、Mamba-3、Gated DeltaNetをベンチマークする。
リアルゲームのパフォーマンスは1800万以上のパラメータで飽和するが、ランダムな一様分割は最大4000万まで差別的であり、それ以外はスケールによって隠された失敗を露呈する。
論文 参考訳（メタデータ） (2026-05-28T15:43:31Z) - GameGen-Verifier: Parallel Keypoint-Based Verification for LLM-Generated Games via Runtime State Injection [5.552431662875654]
GameGen-Verifierは、仕様を検証可能なキーポイントに分解し、それらを独立した検証ユニットに分類する。
VeriGameでは、7つのジャンルにまたがる100のゲームのデータセットであるGameGen-Verifierが、人間の判断に対して最大92.2%の精度を達成した。
論文 参考訳（メタデータ） (2026-05-08T08:46:59Z) - GameWorld: Towards Standardized and Verifiable Evaluation of Multimodal Game Agents [76.60994803070436]
GameWorldは、ブラウザ環境におけるマルチモーダル大言語モデル(MLLM)ゲームエージェントの評価のためのベンチマークである。
2つのゲームエージェントインタフェースが研究され、 (i) キーボードとマウスのコントロールを直接出力するコンピュータ利用エージェント、 (ii) セマンティックアクション空間で作用する汎用マルチモーダルエージェントが研究されている。
18組のモデルとインタフェースのペアによる結果は、最高のパフォーマンスエージェントでさえ、ビデオゲームで人間の能力を達成するには程遠いことを示唆している。
論文 参考訳（メタデータ） (2026-04-08T17:49:03Z) - Off-Beat Multi-Agent Reinforcement Learning [62.833358249873704]
オフビート動作が一般的環境におけるモデルフリーマルチエージェント強化学習(MARL)について検討した。
モデルレスMARLアルゴリズムのための新しいエピソードメモリLeGEMを提案する。
我々は,Stag-Hunter Game,Quarry Game,Afforestation Game,StarCraft IIマイクロマネジメントタスクなど,オフビートアクションを伴うさまざまなマルチエージェントシナリオ上でLeGEMを評価する。
論文 参考訳（メタデータ） (2022-05-27T02:21:04Z) - TotalBotWar: A New Pseudo Real-time Multi-action Game Challenge and
Competition for AI [62.997667081978825]
TotalBotWarは、ゲームAIのための新しい擬似リアルタイムマルチアクションチャレンジだ。
ゲームはTotalWarのゲームシリーズに基づいており、プレイヤーは敵のゲームに勝つために軍隊を管理する。
論文 参考訳（メタデータ） (2020-09-18T09:13:56Z)
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。