論文の概要: Zero-Shot Weight-Space Programming Across a Difficulty-Graded Ladder of Two-Player Games
- arxiv url: http://arxiv.org/abs/2611.09271v2
- Date: Mon, 09 Nov 2026 15:52:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-11 00:17:47.443677
- Title: Zero-Shot Weight-Space Programming Across a Difficulty-Graded Ladder of Two-Player Games
- Title(参考訳): 2人プレイの難易度グレードラダーを横断するゼロショット重み空間プログラミング
- Abstract要約: 故意に困難を増すゲーム全体にわたって、大規模な言語モデルがどの程度、ゼロショットのプラクティスを持てるのかを問う。
我々は、4つの難易度にまたがる4輪はしご(Nim, tic-tac-toe, 2サイズConnect Four, チェスエンドゲーム)を設計し、各ラングに2番目の独立したネットワークを構築した。
10のネットワークが構築され、独立して検証される。6つのネットワークは、独立したオラクルに対する完全で非統計的な正当性を証明する。
- 参考スコア(独自算出の注目度): 1.5736899098702974
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Weight-space programming sets every weight of a feed-forward network by hand, from an explicit specification of the desired computation, with no gradient descent and no training data anywhere in the construction. We ask how far a large language model can carry this practice, zero-shot, across games of deliberately increasing difficulty. We design a four-rung ladder (Nim, tic-tac-toe, two sizes of Connect Four, and a chess endgame) spanning four axes of difficulty, and build a second, independent network at each rung, using a structurally unrelated game at matched difficulty, to separate what a rung's finding says about the difficulty level from what it says about the one game used to measure it. Ten networks are built and independently verified. Six admit a complete, non-statistical proof of correctness against an independent oracle. The chess-endgame rung is exact where correctness is cheap, move legality and, in one network, an exact one-ply mate detector, and collapses where it is expensive, composing a multi-move mating plan, from 84.1-100% success at the one-ply tactics it was built to get right down to 0.57-9.13% in full adversarial play; its replicate shows this collapse is an order of magnitude less severe under a shorter required plan and exact rather than heuristic safety checks. The standard-sized rung confirms, by holding hand-set evaluation weights fixed and adding only shallow search, that the remaining gap is an architectural ceiling rather than a matter of engineering effort, and this exact collapse reproduces across two structurally unrelated games. We release all ten networks, their independent oracles, construction-cost measurements, and a cold-prompt protocol for a future cross-model comparison
- Abstract(参考訳): 重み空間プログラミングは、所望の計算の明示的な仕様から手動でフィードフォワードネットワークの全ての重みを設定する。
故意に困難を増すゲーム全体にわたって、大規模な言語モデルがこのプラクティスをどの程度ゼロショットで実行できるかを問う。
我々は、4つの難易度にまたがる4輪はしご(Nim, tic-tac-toe, two size of Connect Four, and a chess endgame)を設計し、構造的に無関係なゲームを用いて各ラングに第2の独立したネットワークを構築し、ラングの発見した難易度とそれを測定するのに使われた1つのゲームとを区別する。
10のネットワークが構築され、独立して検証される。
6 は独立した神託に対する完全かつ非統計的な正当性の証明を認める。
チェス・エンドゲーム・ラングは、正確さが安価で、合法性を動かし、あるネットワークでは、正確なワンプレイ・メイト・ディテクター(英語版)が高価であり、マルチモーブ・メイト・プランを84.1-100%まで構成し、完全な対位戦で0.57-9.13%の精度で成功させた。
標準サイズのラングは、手作業による評価重みを固定し、浅い探索のみを追加することで、残りのギャップはエンジニアリングの労力よりもアーキテクチャ上の天井であり、この正確な崩壊は2つの構造的無関係なゲーム間で再現されることを確認した。
我々は、将来のクロスモデル比較のための10のネットワーク、それらの独立したオラクル、建設コストの測定、およびコールドプロンプトプロトコルを全てリリースする。
関連論文リスト
- Five Architectures, One Shared Space Cross-Model Representational Alignment Without Weight Merging [0.0]
内部設計が異なる5つのフリーズモデルが、アクティベーションのみで関連付けられるかどうかを問う。
5つのモデルが同じテキストをどう構成するかという統計的に堅牢な対応を見出す。
次に、評価可能なタスクで5つのモデルの中から選択するルータをサポートするかどうかをテストする。
論文 参考訳(メタデータ) (2026-10-24T06:52:49Z) - The right entanglement for perfect nonlocality and zero-error communication [0.0]
非局所ゲームにおける完全プレイが要求される構造機構を特定し、特定の非最大絡み状態をテストする。
Flagged Magic-Squareゲームに適用すると、単一の使用で10メッセージのゼロエラー送信が許される古典的なチャンネルが得られる。
論文 参考訳(メタデータ) (2026-10-05T15:29:11Z) - RoMa v2: Harder Better Faster Denser Feature Matching [56.71494120301684]
Dense Feature Matchは、3Dシーンの2つの画像間のすべての対応を推定することを目的としている。
既存の密集型マーカは、多くのハード・リアル・ワールド・シナリオで失敗したり、性能が悪くなったりします。
本稿では,これらの弱点を,一連の系統的な改善を通じて広範囲にわたって攻撃する。
論文 参考訳(メタデータ) (2025-11-19T18:59:38Z) - Game-TARS: Pretrained Foundation Models for Scalable Generalist Multimodal Game Agents [56.25101378553328]
本稿では,汎用ゲームエージェントであるGame-TARSについて紹介する。
Game-TARSは500B以上のトークンで事前トレーニングされており、様々な軌跡とマルチモーダルデータがある。
実験により、Game-TARSは、オープンワールドMinecraftタスクにおける以前のソータモデルの約2倍の成功率を達成することが示された。
論文 参考訳(メタデータ) (2025-10-27T17:43:51Z) - Predicting Chess Puzzle Difficulty with Transformers [0.0]
GlickFormerは,Glicko-2レーティングシステムを用いて,チェスパズルの難易度を予測するトランスフォーマーアーキテクチャである。
提案モデルでは,空間的特徴抽出にChessFormerのバックボーンを改良し,分解変換技術を用いて時間情報を組み込んだ。
結果は、GlickFormerのパフォーマンスが、最先端のChessFormerベースラインと比較して、複数のメトリクスにわたって優れていることを示している。
論文 参考訳(メタデータ) (2024-10-14T20:39:02Z) - Amortized Planning with Large-Scale Transformers: A Case Study on Chess [11.227110138932442]
本稿では,AIにおける画期的な計画問題であるチェスを用いて,計画課題の性能評価を行う。
ChessBenchは、Stockfishが提供する法的行動と価値アノテーション(1500億ポイント)を備えた1000万のチェスゲームの大規模なベンチマークである。
極めて優れた近似を教師付き学習により大規模変圧器に蒸留することは可能であるが, 完全蒸留は依然として到達範囲を超えている。
論文 参考訳(メタデータ) (2024-02-07T00:36:24Z) - Predicting Winning Regions in Parity Games via Graph Neural Networks
(Extended Abstract) [68.8204255655161]
グラフニューラルネットワークを用いてパリティゲームの勝利領域を決定するための不完全時間的アプローチを提案する。
これは、データセットの60%の勝利領域を正しく決定し、残りの領域で小さなエラーしか発生しない。
論文 参考訳(メタデータ) (2022-10-18T15:10:25Z) - CommonsenseQA 2.0: Exposing the Limits of AI through Gamification [126.85096257968414]
現代自然言語理解モデルの能力をテストするベンチマークを構築した。
本研究では,データ構築の枠組みとしてゲーミフィケーションを提案する。
論文 参考訳(メタデータ) (2022-01-14T06:49:15Z) - Brick-by-Brick: Combinatorial Construction with Deep Reinforcement
Learning [52.85981207514049]
我々は,ユニットプリミティブを逐次組み立てるビルディングエージェントを必要とする,新しい定式化,複雑な構成を導入する。
対象物を構築するために,エージェントに対して正確な情報や明示的な情報ではなく,所望の目標(すなわち2次元画像)に関する不完全な知識を提供する。
提案手法は,対象オブジェクトの1つの画像や複数ビューに条件付けされた未確認オブジェクトの構築に成功していることを示す。
論文 参考訳(メタデータ) (2021-10-29T01:09:51Z)
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。