注册

arXiv 论文提出对抗启发式学习范式并发布 AAArena 基准

论文AI 评分 72/100arXiv cs.AI待复核
AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

一篇 arXiv 论文形式化提出对抗启发式学习（AHL），把 AI 智能体当作学习引擎，在模型权重不变的前提下改写可执行策略与配套软件。作者同时发布 AAArena 基准，包含 12 款真实对抗游戏与 1920 份人类程序存档，评测流程参照现实游戏竞赛。智能体需自行解读规则、挑选对手、分析回放并修改游戏智能体，在固定对局与评测预算内争取最高排名。在已评测的模型与工具组合中，Opus5.5 搭配 Claude Code 拿到 6 枚金牌，其余 6 条人类天梯无人登顶；规则说明越复杂，表现越弱。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

把学习交给智能体

这篇论文提出一个叫对抗启发式学习（AHL）的思路。它的做法是不去改动模型本身的权重，而是让 AI 智能体充当学习引擎，把在游戏里积累的经验转化为对可执行策略以及配套软件的修改。作者把这一范式建立在启发式学习（HL）之上，并对其做了形式化描述。论文关注的核心问题是：在样本有限的条件下，如何学习和调整对抗策略。作者认为，对抗类游戏一直是推动方法演进的场景，从启发式搜索到强化学习都与之相关，而智能体提供了一条不同的路径——把游戏经历直接变成策略的修订，而不是只靠更新参数。

AAArena 基准的构成

为验证这一思路，作者搭建了 AAArena 基准。它包含 12 款真实的对抗游戏，以及 1,920 份归档的人类程序。评测协议参照现实中的游戏竞赛来设计。在这个设定下，智能体需要自己解读规则、挑选对手、分析对局回放，并修改游戏智能体，目标是在固定的对局与评测预算内拿到尽可能高的排名。论文评测了多种模型与工具组合的配置。结果显示，Opus5.5 搭配 Claude Code 拿到 6 枚金牌，而在其余 6 个人类天梯上，没有任何被评测的配置能够登顶。整体来看，规则描述越复杂的游戏，表现往往越弱。

对手选择与回放来源

论文还做了进一步实验，考察哪些因素有助于策略改进。结果指向两点：对手的选择方式，以及密集的反馈，都对策略提升有支持作用。另一个发现与学习素材的来源有关——智能体既可以从自身对局的同策略回放中学习，也可以从其他玩家对局的异策略回放中学习，两条路径都能带来收益。这些结果一方面说明启发式学习在对抗游戏里有潜力，另一方面也暴露出持续存在的难点，集中在游戏理解、策略实现以及长周期策略开发这几个方面。

为什么值得看

想知道不更新权重、只靠智能体改写策略能在对抗游戏里走多远，这篇给出了基准、协议与实测结果。

Claude智能体论文

信源1 家

  1. [1]arXiv cs.AI一手信源Can AI Agents Learn Their Way to the Top? Evaluating Heuristic Learning in a Long-Running Game Agent Competition

关键事实

  • 论文提出对抗启发式学习（AHL），用 AI 智能体作为学习引擎改进游戏策略与配套软件，模型权重保持固定[1]

  • AAArena 基准包含 12 款真实对抗游戏和 1920 份存档人类程序，评测协议参照现实游戏竞赛[1]

  • 智能体需解读规则、选择对手、分析回放并修改游戏智能体，在固定对局与评测预算内追求最高排名[1]

  • Opus5.5 搭配 Claude Code 获得 6 枚金牌，其余 6 条人类天梯没有已评测配置登顶[1]

  • 对手选择与密集反馈有助于策略改进，智能体既从自身对局的同策略回放学习，也从他人对局的异策略回放学习[1]

相关 · 论文

DreamX 将预训练视频扩散模型改造为通用潜在动作学习器

11月4日 周三·AI 78

arXiv 论文提出「认知共生体」概念，主张 AI 增强人的智能

11月4日 周三·AI 58

独立复现 DNO-Prct：Llama 3.1 8B 对 GPT-4o 胜率升…

11月4日 周三·AI 72

研究提出 PEARL 方法，用于持久抑制语言模型的不对齐行为

11月4日 周三·AI 78

本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。

去论坛讨论