AI代理能否通过学习登顶？评估长期游戏代理竞赛中的启发式学习
对抗性游戏推动了从启发式搜索到强化学习的发展。一项新研究考察代理能否在模型权重保持不变的情况下，依据有限的游戏经验改进策略。研究人员推出了基准测试 AAArena，涵盖 12 款真实对抗性游戏和 1,920 个存档的人类程序。在固定的比赛和评估预算内，代理需要理解规则、选择对手、分析对局回放，并修改可执行的游戏策略。Opus 5.5 搭配 Claude Code 获得六枚金牌，但在其余六个人类竞赛项目中未能夺冠。规则越复杂的游戏，代理的表现通常越弱。选择对手和密集反馈有助于策略改进；代理既能从自己的对局回放中学习，也能从其他玩家的对局回放中学习。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。