arXiv cs.AI· Kaisen Yang, Qingle Liu, Kejin Wang, Yicheng Zhao, Jieming Li, Shenghan Zheng, Ruize Yang, Bojun Yang, Heng Gong, Xiang Gao, Lanyue Zhang, Kaiyu Zhong, Zhuo Liu, Shaoxuan Li, Chengxi Li, Yong Yan, Weixuan Zhang, Tianwei Luo, Situ Wang, Youjie Zheng, Sihan Zhao, Shengyuan Wang, Huan-ang Gao, Jiazheng Xu, Xiaohui Xie, Wentao Han, Hongning Wang·· 9 天前AI 评分26
AI 智能体能否通过学习登顶？在长期游戏智能体竞赛中评估启发式学习
Can AI Agents Learn Their Way to the Top? Evaluating Heuristic Learning in a Long-Running Game Agent Competition
AI 导读
研究者提出对抗式启发式学习（AHL）范式，让 AI 智能体在固定模型权重下通过修改可执行策略与配套软件来学习游戏策略，并发布包含 12 款真实对抗游戏和 1,920 份人类存档程序的 AAArena 基准。
正文 · AI 翻译
作者：Kaisen Yang、Qingle Liu、Kejin Wang、Yicheng Zhao、Jieming Li、Shenghan Zheng、Ruize Yang、Bojun Yang、Heng Gong、Xiang Gao、Lanyue Zhang、Kaiyu Zhong、Zhuo Liu、Shaoxuan Li、Chengxi Li、Yong Yan、Weixuan Zhang、Tianwei Luo、Situ Wang、Youjie Zheng、Sihan Zhao、Shengyuan Wang、Huan-ang Gao、Jiazheng Xu、Xiaohui Xie、Wentao Han、Hongning Wang
摘要：对抗性游戏推动了从启发式搜索到强化学习的进步，然而从有限样本中学习和适应策略仍然具有挑战性。AI 智能体提供了另一种途径，将游戏经验转化为可执行策略的修订。在启发式学习（HL）的基础上，我们形式化了对抗性启发式学习（AHL），这是一种利用 AI 智能体作为学习引擎来改进游戏策略和支撑软件、同时保持模型权重固定的范式。我们提出了 AAArena，一个包含 12 个真实对抗性游戏和 1,920 个存档人类程序的基准，其评估协议仿照真实世界的游戏竞赛。智能体解读规则、选择对手、分析回放并修订游戏智能体，以在固定的对局和评估预算内达到其最高排名。我们评估了 \val{completedmodels} 个模型与工具配置：Opus5.5 搭配 Claude Code 获得 6 枚金牌，而没有任何被评估的配置能够登顶其余 6 个人类排行榜。在规则规范更复杂的游戏中，表现通常更弱。进一步的实验表明，对手选择和密集反馈支持策略改进，并且智能体既从自身对局的同策略回放中学习，也从其他玩家对局的异策略回放中学习。这些结果凸显了 HL 在对抗性游戏中的潜力，并指出了在游戏理解、策略实现和长时程策略开发方面持续存在的挑战。
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.12341 [cs.AI] |
| （或 arXiv:2610.12341v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12341 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Kaisen Yang [查看邮箱]
[v1]
2026年10月8日星期四 17:15:48 UTC（3,331 KB）
来源：arXiv cs.AI · arxiv.org