arXiv cs.CL· Hayden Arnold·· 13 小时前AI 评分31
面向 GLEE 的博弈论求解器：贝叶斯对手建模与道德修辞框架
Game-Theoretic Solvers with Bayesian Opponent Modeling and Moral Rhetoric Framing for GLEE
AI 导读
一个提交至 GLEE 竞赛的智能体，由经典博弈论求解器计算数值动作、在线贝叶斯层估计对手原型、语言模型撰写消息三部分组成，分别采用 Rubinstein 议价、Faratin 让步与 Kamenica–Gentzkow 披露模型，并用 Thompson sampling bandit 在五种道德基础框架上选择消息语域。
正文 · AI 翻译
摘要：我们描述了提交至 GLEE 竞赛的智能体，该智能体与共享的人类和 AI 对手池进行议价、谈判和说服博弈。该智能体围绕三个核心组件构建：用于计算数值动作的经典博弈论求解器、用于估计对手原型的在线贝叶斯层，以及用于撰写伴随消息的语言模型。我们在议价中采用 Rubinstein 议价模型，在谈判中采用 Faratin 让步模型，在说服中采用 Kamenica--Gentzkow 披露模型，并通过两个独立的层将这些模型适配到实时对手：对对手隐藏的贴现因子、保留价值或信号可靠性的贝叶斯估计，以及在五种道德基础框架上结合证据-直觉谱系以确定消息语域的 Thompson 采样 bandit。大部分开发工作都投入到一个反复出现的问题上：理论上最优的策略在某些实时环境中表现不佳；我们报告了相关的失败模式、我们构建的防护栏以及我们的假设。此外，我们在 13,200 场蒙特卡洛博弈中针对 11 种合成对手原型评估了我们的模型，对对手建模层进行了消融，并对 9,337 条实时博弈消息进行了广泛分析，其中说服场景中的道德修辞框架与买家是否购买强烈相关（$\chi^2=616.7$，$p \approx 3.7\times10^{-132}$），且在控制质量、轮次和配置后依然成立。
| 评论： | 13 页，1 幅图；被 NeurIPS 2026 第一届解释智能体行为研讨会（IAB）接收 |
| 主题： | 计算机科学与博弈论（cs.GT）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.37397 [cs.GT] |
| （或 arXiv:2610.37397v1 [cs.GT] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37397 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Hayden Arnold [查看电子邮件]
[v1]
2026 年 10 月 27 日星期二 15:17:04 UTC（54 KB）
来源：arXiv cs.CL · arxiv.org