論文の概要: GM League Arena: An Interactive Long-Horizon Task Benchmark Based on Professional Sports League Management

• arxiv url: http://arxiv.org/abs/2611.05147v1
• Date: Tue, 03 Nov 2026 16:21:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 14:08:15.889435
• Title: GM League Arena: An Interactive Long-Horizon Task Benchmark Based on Professional Sports League Management
• Title（参考訳）: GM League Arena:プロスポーツリーグ管理に基づく対話型長距離タスクベンチマーク
• Abstract要約: GMベンチ(GM Bench)は、プロスポーツチームを管理するためのベンチマークである。 我々は、4つのスポーツのための環境シミュレータを構築し、スポーツ全体で統一的なタスクを確立するための財政的制約、プレイヤーの要求、市場メカニズムを追加します。 競技成績, キャッシュ・リザーブ, シーズン横断改善を4つのスポーツで評価した。
• 参考スコア（独自算出の注目度）: 3.7359433892769203
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-horizon decision-making under sustained competition requires large language models (LLMs) to balance immediate investment with future resource needs. However, local success in multi-step interactions can not adequately capture cumulative decision effects or demonstrate long-term goal achievement under resource constraints and sustained competition. To address this gap, we introduce GM Bench, a benchmark for managing professional sports teams across seasons under resource constraints and competition among teams. We build the environment simulators for four sports and add financial constraints, player demands, and market mechanisms to establish a unified task across sports. Diverse rosters of comparable strength are constructed from real-world player data, and each LLM is evaluated as a team general manager to assess its long-term management capabilities. We evaluate competitive performance, cash reserves, and cross-season improvement across four sports. Over five NBA seasons, Claude Opus 5.5 ranks first among 29 LLMs, while GPT-6 Astra and GPT-6.1 Sol combine strong performance with larger cash reserves.
• Abstract（参考訳）: 長期にわたる競争における意思決定は、将来の資源需要と即時投資のバランスをとるために大きな言語モデル(LLM)を必要とする。 しかし、多段階の相互作用における局所的な成功は、累積的な決定効果を適切に捉えたり、資源制約や持続的な競争の下での長期的な目標達成を示すことはできない。 このギャップに対処するため、GM Benchを紹介します。これは、リソース制約とチーム間の競争の下で、シーズンを通じてプロスポーツチームを管理するためのベンチマークです。 我々は、4つのスポーツのための環境シミュレータを構築し、スポーツ全体で統一的なタスクを確立するための財政的制約、プレイヤーの要求、市場メカニズムを追加します。 各LSMはチームゼネラルマネージャとして評価され、その長期管理能力を評価する。 競技成績, キャッシュ・リザーブ, シーズン横断改善を4つのスポーツで評価した。 NBAの5シーズンでクロード・オプス5.5は29勝を挙げ、GPT-6アストラとGPT-6.1ソルは大きなキャッシュ・リザーブと強力なパフォーマンスを兼ねた。

関連論文リスト

• A Unified Arena for LLM Agents across Diverse Eurogame [48.81982658474454]
  DECE(Diverse Eurogame Competitive Environments)は,10のユーロゲームに共通なインタフェースと評価プロトコルを備えた統合アリーナである。 本研究は,9つのモデルと4つの実行ハーネスにまたがる12のモデルハーネス構成を,10試合で480の3プレーヤマッチで評価した。 これらの比較では、ゲーム固有の強みとともに、幅広いクロスゲームランキング合意が示される。 一致した研究は、同じモデルが実行ハーネス間で異なるパフォーマンスを実現できることを示し、これらのプロファイルに別のバリエーションのソースを追加する。
  論文  参考訳（メタデータ） (2026-10-26T17:14:22Z)
• E-Commerce Bench: Evaluating LLM Agents on Long-Horizon Autonomous Business Operation [54.50499240166176]
  E-Commerce Benchは、マルチラウンドのネゴシエーションと動的イベントを1年間のビジネス運用に統合する、最初のオープンソースベンチマークです。 年末の資産を含む7次元にわたる18のフロンティアモデルを評価し,1つのモデルが支配的でないことを発見した。
  論文  参考訳（メタデータ） (2026-08-31T13:03:57Z)
• Co-Evolving LLM Decision and Skill Bank Agents for Long-Horizon Tasks [83.4942519570046]
  大型言語モデル(LLM)はゲームプレイエージェントとして有望な代替手段を提供するが、一貫した長期的意思決定に苦戦することが多い。 我々は、LLM決定エージェントが学習可能なスキルバンクからスキルを回収し、アクションテイクをガイドするコ進化フレームワークであるCOSPLAYを提案する。 当社のフレームワークは,スキル検索とアクション生成を学習するための意思決定エージェントを改良し,スキルバンクエージェントは,契約とともに継続的にスキルを抽出し,洗練し,更新する。
  論文  参考訳（メタデータ） (2026-04-22T18:17:17Z)
• GenTac: Generative Modeling and Forecasting of Soccer Tactics [66.35532694378146]
  GenTacはサッカーの戦術を、連続したマルチプレイヤーの軌跡と個別の意味的な出来事のプロセスとして概念化している。 対戦行動、特定のチームやリーグプレースタイル、戦略的目的など、リッチなコンテキスト条件付けをサポートする。 バスケットボール、アメリカンフットボール、アイスホッケーなど、他のダイナミックチームスポーツへの一般化をうまく訓練することができる。
  論文  参考訳（メタデータ） (2026-04-13T17:53:49Z)
• 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)
• 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)
• Presenting Multiagent Challenges in Team Sports Analytics [1.370633147306388]
  我々は、MASは侵入ゲームの研究に適しており、MASとスポーツアナリティクスの両方に利益をもたらすと論じている。 我々は,MASの実施と,短期的なゲーム内戦略(コーチング)と長期チーム計画(マネジメント)という,2つの軸に沿った開発領域を強調した。
  論文  参考訳（メタデータ） (2023-03-23T20:29:32Z)
• Offsetting Unequal Competition through RL-assisted Incentive Schemes [18.57907480363166]
  本稿では,不平等な専門知識を持つ組織間の競争のダイナミクスについて検討する。 We design Touch-Mark, a game based on well-known multi-agent- Particle-environment。
  論文  参考訳（メタデータ） (2022-01-05T04:47:22Z)

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。