論文の概要: TactiNavi: Serving and Revising an LLM Game Coach with Explicit Strategy Conditions

• arxiv url: http://arxiv.org/abs/2611.04772v1
• Date: Tue, 03 Nov 2026 12:13:50 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:58:53.239567
• Title: TactiNavi: Serving and Revising an LLM Game Coach with Explicit Strategy Conditions
• Title（参考訳）: TactiNavi: 明示的な戦略条件を備えたLLMゲームコーチの実現と改善
• Abstract要約: 商用オープンワールドゲームのLLMコーチを支えるサービスシステムであるTactiNaviについて述べる。 条件付きパッケージは、原子の事実に対して57.9%から82.0%まで正当性を高めている。 ほとんどの明らかな修正は生成ノイズである。なぜなら、変化のないシステムの再実行は、故障したターンの38.4%を回復するからである。
• 参考スコア（独自算出の注目度）: 19.518597259065217
• License:
• Abstract: A deployed LLM coaching agent answers requests whose correct response depends on player state and game version, so advice that is right for one player can be wrong for the next. We describe TactiNavi, the serving system behind the LLM coach of a commercial open-world game, which makes strategy applicability an explicit artifact shared by offline compilation, online execution, failure diagnosis, and release. An offline compiler turns versioned game evidence and expert guidance into strategy packages with explicit prerequisites, the serving plane evaluates those prerequisites as three-valued conditions over structured player state and records decision traces, and a control plane uses the resulting condition-rule dependencies to validate revisions on held-out traffic before release. In a retrospective evaluation of 1,122 logged coaching turns from three deployment periods, condition-bearing packages raise correctness from 57.9% to 82.0% over atomic facts and reduce strategy misapplication under changed player state from 18.1% to 10.4%, while trace-based claim verification reaches 86.4% precision at a median reply latency of 2.07 s. The deployment also showed that most apparent fixes are generation noise, because an unchanged-system rerun recovers 38.4% of failing turns and only one of 15 shipped revision units passes the release checks retrospectively. We distill these results into lessons on treating applicability as a first-class serving object, sizing traces for later diagnosis, and building the null model into the release path.
• Abstract（参考訳）: デプロイされたLLMコーチングエージェントは、正しいレスポンスがプレイヤーの状態とゲームバージョンに依存する要求に答える。 商用オープンワールドゲームのLLMコーチを支えるサービスシステムであるTactiNaviについて述べる。これにより、戦略適用性はオフラインコンパイル、オンライン実行、障害診断、リリースによって共有される明示的な成果物となる。 オフラインコンパイラは、バージョン付きゲームエビデンスとエキスパートガイダンスを明示的な前提条件で戦略パッケージに変換し、提供プレーンは、それらの前提条件を構造化されたプレイヤーの状態と決定トレースを3つの評価条件として評価し、制御プレーンは、結果の条件ルール依存性を使用して、リリース前の保留トラフィックのリビジョンを検証する。 1,122のログ付きコーチングの振り返り評価では、条件付きパッケージは、アトミックな事実に対する正しさを57.9%から82.0%に引き上げ、18.1%から10.4%に低下させ、トレースベースのクレーム検証は、2.07秒の中央応答遅延で86.4%の精度に達した。 変更のないシステム再実行が38.4%の障害ターンを回復し、15つのリビジョンユニットのうち1つだけが遡及的にリリースチェックをパスしているため、最も明らかな修正は生成ノイズである。 これらの結果は,第1級サービス対象としての適用性,後続の診断のためのトレースのサイズ化,およびNullモデルをリリースパスに組み込むための教訓として抽出される。

関連論文リスト

• Agent Error Dataset: Scaling 50,000 Error--Diagnosis Pairs for Failure Analysis and Error-Aware Post-Training [45.727227890697556]
  我々は,9,961のソースタスクから50,228のエラー診断ペアからなるエージェントエラーデータセット(AED)を紹介した。 5段階のAgenic Error-to-Trainingパイプラインは自然の故障を収集し、診断と修正案を生成し、記録された証拠と照合する。 アクタートレーニングのレシピの比較において、アクションオンリーの修復トレーニングは成功オンリーのトレーニングよりもWebShop-liteの方が6.67ポイント高い。
  論文  参考訳（メタデータ） (2026-09-30T16:40:22Z)
• Opera: A Verbal Critic Framework for Long-horizon Coding Agents [74.58337827299496]
  本稿では,各修正を永続的なノートとして扱う言語批判フレームワークであるOperaについて紹介する。 Operaは、周期的およびイベント駆動のトリガを通じていつレビューするかを決定し、型付きオペレーターと問題を診断し、配信前に可視的な証拠に対するフィードバックを監査し、エージェントのその後のアクションを追跡して、単なるコンプライアンスと実際の解決を区別する。
  論文  参考訳（メタデータ） (2026-09-27T22:42:57Z)
• ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
  大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。 SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。 モデル自身の失敗から両方を得るReDraftを紹介します。
  論文  参考訳（メタデータ） (2026-09-15T04:59:03Z)

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。