清华 AAArena：AI 智能体靠回放学游戏，Pacman 登顶但复杂规则卡壳
清华论文构建 AAArena，用清华年度机器人竞赛的 12 款游戏和 1920 个存档人类程序作为对手，测试编码智能体能否在模型权重不变的情况下通过读规则、选对手、研究回放来改写游戏 bot。在全部 3 款测试游戏中，详细回放反馈均优于仅胜负信号；有回放时 Pacman bot 排名第 1，无回放仅第 11。但比赛预算增至 3 倍，4 个卡住的 bot 仍无一升至第 1。
Rohan Paul· @rohanpaul_ai · X·2026-10-11 21:02· 33 分钟前AI 评分46
AI 导读
清华论文构建 AAArena，用清华年度机器人竞赛的 12 款游戏和 1920 个存档人类程序作为对手，测试编码智能体能否在模型权重不变的情况下通过读规则、选对手、研究回放来改写游戏 bot。在全部 3 款测试游戏中，详细回放反馈均优于仅胜负信号；有回放时 Pacman bot 排名第 1，无回放仅第 11。但比赛预算增至 3 倍，4 个卡住的 bot 仍无一升至第 1。
正文
清华新论文发现，AI 智能体通过比赛回放改进游戏 bot 可以登上人类排行榜榜首，但在规则复杂的游戏上大多停滞不前。
让 AI 从有限场次的比赛中学会制胜策略仍然很难，尤其是在面对不断变化的对手时。
他们用清华年度 bot 构建竞赛中的 12 款游戏构建了 AAArena，并以 1920 个存档人类程序作为对手。一个编码智能体在模型权重不变的情况下，阅读规则、挑选对手、研究回放，并在比赛预算内改写自己的 bot。
在全部 3 款测试游戏中，详细回放反馈均优于仅胜负信号。有回放时，Pacman bot 达到第 1 名，而无回放时仅第 11 名。
将比赛预算增至 3 倍，也没有让 4 个卡住的 bot 中任何一个升至第 1 名。
– arxiv. org/abs/2610.12341
标题：“Can AI Agents Learn Their Way to the Top? Evaluating Heuristic Learning in a Long-Running Game Agent Competition”
来源：Rohan Paul · x.com
来源：RadarAI · aihot.news