Могут ли АИ - агенты учиться на вершине? Оценка эвристического обучения в рамках долгосрочного конкурса агентов игры

arXiv: 2610.12341v1 Annuate Type: New Brieft: Adversary Games привели к успехам от поиска эвристики до укрепления обучения, однако изучение и адаптация стратегий из ограниченных выборок по-прежнему сопряжены с трудностями. АИ-агенты предлагают альтернативу, преобразовав игровой опыт в пересмотр политики. Опираясь на эвристическое обучение (HL), мы официально оформили адверсариальное эвристическое обучение (AHL) — парадигму, в которой агенты АИ используются как обучающие двигатели для совершенствования игровой политики и поддержки программного обеспечения при сохранении фиксированных весов модели. Мы представляем AAARena, ориентир в 12 подлинных состязательных игр и 1 920 архивных человеческих программ с протоколом оценки, моделируемым на соревнованиях по реальным играм. Агенты интерпретируют правила, выбирают оппонентов, анализируют повторы и пересматривают игровых агентов для достижения их высочайшего рейтинга в рамках фиксированных бюджетов матчей и оценок. Мы оцениваем модели и конфигурации \val {заполненные модели}: Opus5,5 с Клодом кодом получает 6 золотой медали, в то время как нет оценки