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。
技术方向
强化学习与自博弈在游戏中的研究与落地:训练方法、多智能体协作与对抗、从环境到真实游戏的迁移。
48 条精选近 30 天 18 条共收录 83 条
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。
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。
AgentGarten 将模拟器、游戏引擎与共享神经渲染器结合,构建可实时交互的环境,智能体通过视觉观测感知世界并与之互动。论文提出 Adversarial Forcing,用于把预训练视频模型蒸馏为几何条件下的神经渲染器,并让历史观测的编码也能接受后续预测的损失反向更新。实验报告称,智能体只需 4 轮经验即可学习,而对照的传统强化学习方法需要百万量级的训练。
推荐理由:论文把世界写成代码并交给共享神经渲染器生成画面,可以对照它与传统强化学习在学习效率上的比较,判断这种环境扩展思路是否适合自己的项目。
MultiWorldBench 用 495 个 Minecraft 案例配置,评测多人世界模型能否让独立控制的视角保持同一个共享且持久的世界。
推荐理由:基准以 Minecraft 为对象检验多人视角是否共享同一世界,并给出多人世界模型与引擎参考之间的差距数据。
作者提出 MultiWorldBench,用 495 个 Minecraft 用例检验多人世界模型能否让独立控制的视角保持同一个共享且持久的世界。
推荐理由:基准把共享世界一致性拆成十项能力逐项测试,并以引擎真值为参照,给出了多人世界模型与真实引擎之间差距的量化依据。
论文提出 Recursive Game Creator,一个面向体验的智能体游戏开发框架,通过 Designer、Builder、Player、Reviewer 四个组件递归迭代,把粗略游戏原型推进为更耐玩的作品。
推荐理由:论文给出四组件递归流程和两项基准结果,GameASG-Bench 严格任务成功率 53.2%,较同模型基线提升 34.1%。
论文为完整十英雄 MOBA 训练结构化多智能体世界模型,并把它接入连续异步 Dyna 循环,策略只在 1,400 tick 的想象对局中学习,在真实对局里作为 radiant 赢下 70.2%(600 局 421 胜,95% CI 66.4-73.7),作为 dire 一场未胜,自带对手自我对弈时同样全败。
推荐理由:论文把世界模型的评判放到真实对局里,Dyna 循环将 radiant 侧胜率从 33.7% 提到 70.2%,并开源了模型与评测协议。
研究提出 PWM(Personalized World Models)框架,用在线强化学习从短视频定制可交互世界模型,在冻结的 Yume-5B 主干上训练紧凑 LoRA 适配器。
推荐理由:论文给出 PWM-Bench 的 150 项定制任务与 GRPO、DiffusionNFT 两组对比数据,可用于判断场景定制的可复现程度。