AI 智能体能否靠学习登顶？AAArena 评估长期游戏竞赛中的启发式学习
论文提出 AAArena 基准，用 12 款真实对抗游戏和 1920 份存档人类程序，评测智能体在长期竞赛中的学习能力。在评估的模型与工具配置中，Opus5.5 搭配 Claude Code 拿到 6 枚金牌，没有配置能攻下其余 6 条人类天梯。
推荐理由：AAArena 把 12 款对抗游戏和 1920 份人类程序组织成竞赛式评测，可用来观察智能体在有限样本下改进策略的边界。
#强化学习
arXiv 游戏 AI 检索精选AI 评分4949 arXiv 游戏 AI 检索精选AI 评分4545 AgentGarten：面向持续演化智能体的代码世界框架
论文提出 AgentGarten 框架，把模拟器与游戏引擎同共享的神经渲染器耦合，构建可实时交互的虚拟环境。模拟后端维护持久世界状态并执行程序定义的交互规则，渲染器从通过统一接口导出的结构化条件生成视觉观察；神经渲染器由预训练视频模型改造为几何条件输入，采用提出的 Adversarial Forcing 蒸馏并针对实时交互优化推理。
推荐理由：论文把模拟器与游戏引擎接入同一个神经渲染器，并给出智能体 4 轮经验对比数百万轮强化学习的学习效率结果。
Julian TogeliusAI 评分3030 通用选项发现方法攻克 Atari 2600
我很兴奋地分享 Erik 的工作！《Mastering Atari 2600 Games with Discovered Options》：我们提出了一种通用选项发现方法，能在高维观测、从零开始（tabula rasa）的条件下，仅用单条经验流学习，表现优于 DreamerV3、Rainbow 和 IQN！1/9 看起来非常有前景！
arXiv 游戏 AI 检索AI 评分3333 论文提出 MATE，用共同注意机制改善多智能体零样本协作
论文提出受人类共同注意启发的多智能体强化学习方法 MATE（Mutual Attention for zero-shot TEaming），让智能体在交互中对齐对场景显著物体的视觉注意，从而与陌生伙伴完成零样本协作。