Representing and Reasoning With Probabilistic Knowledge: A Bayesian Approach
SRI International（斯坦福国际研究院）
PAGODA（Probabilistic Autonomous Goal-Directed Agent）是一种概率域中的自主学习模型[desJardins，1992]，它结合了创新技术，用于使用代理的现有知识来指导和约束学习过程，并用于表示，推理和学习概率知识。本文描述了PAGODA的概率表示和推理机制。PAGODA形成了关于其行动和世界状态随时间对环境的影响的理论。这些理论被表示为条件概率分布。对理论的结构施加限制，允许推理机制为任何动作和世界状态描述找到唯一的预测分布。这些受限理论被称为唯一预测理论。推理机制，使用独立性的概率组合（PCI），使用最小的独立性假设来组合理论中的概率，以进行概率预测。
2013-03-06 cs.AI
Baba is LLM: Reasoning in a Game with Dynamic Rules
LIACS, Leiden University, The Netherlands（LIACS，莱顿大学，荷兰）
本文探索LLMs在动态规则游戏《Baba is You》中的推理能力，通过多种提示和微调评估，发现大模型表现更优，但所有模型对动态规则推理仍困难，揭示了LLMs在复杂问题解决中的局限。
2025-06-23 cs.AI
Game Reasoning Arena: A Framework and Benchmark for Assessing Reasoning Capabilities of Large Language Models via Game Play
LAION Juelich Supercomputing Center (JSC)（LAION尤利奇超级计算机中心（JSC））；Research Center Juelich (FZJ)（尤利奇研究中心（FZJ））
本文提出游戏推理竞技场框架，基于OpenSpiel封装多种游戏并支持多种智能体，通过API、本地部署和分布式执行系统评估大语言模型的决策推理与博弈论行为。
2025-08-18 cs.AI cs.GT
Spatial Reasoning in LLM Game Agents: Impact of Causal Context and Multi-Step Planning
研究基于大语言模型的游戏智能体在复杂任务中表现不佳的问题，通过实验验证因果提示增强和多步规划可提升胜率并控制延迟，引入新基准评估，发现较大模型定位更准，融入因果上下文和多步规划能优化性能与速度。
2026-07-28 cs.AI
GameArena: Evaluating LLM Reasoning through Live Computer Games
University of California, San Diego（加利福尼亚大学圣迭戈分校）；University of California, Berkeley（加利福尼亚大学伯克利分校）；Snowflake（雪花公司）
本文提出动态基准 GameArena，通过三款人机交互游戏细粒度评估 LLM 的演绎、归纳等推理能力，并基于 2000 多个会话和 100 人用户研究验证其评估效果与参与度。
2025-02-15 cs.AI cs.CL
Improving Rationality in the Reasoning Process of Language Models through Self-playing Game
School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院）；Key Laboratory of Data Intelligence and Advanced Computing, Soochow University（苏州大学数据智能与先进计算重点实验室）
本文提出批评者-辨别博弈（CDG），通过自博弈让模型在无外部监督下学会辨别误导性与建设性批评，从而提升大语言模型对自身推理过程的理解与理性。
2025-07-06 cs.AI
Collaborative Multi-Agent Scripts Generation for Enhancing Imperfect-Information Reasoning in Murder Mystery Games
Sun Yat-sen University（中山大学）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
本文提出协作多智能体框架，通过生成丰富多模态上下文提升VLMs在叙事推理和欺骗鲁棒性中的表现，解决多玩家游戏中不完全信息下的复杂推理问题。
2026-08-11 cs.AI
HardcoreLogic: Challenging Large Reasoning Models with Long-tail Logic Puzzle Games
Fudan University（复旦大学）；University of Southern California（南加州大学）；Huawei Technologies Ltd（华为技术有限公司）；Shanghai Innovation Institute（上海创新研究院）
HardcoreLogic通过长尾逻辑谜题挑战大型推理模型，揭示其在复杂规则和非标准变体上的局限性。
2026-02-28 cs.AI
Scaling Behavior Cloning Improves Causal Reasoning: An Open Model for Real-Time Video Game Playing
本研究提出了一种开放的训练方法，通过扩大模型和数据规模提升因果推理能力，展示了在实时视频游戏中的高性能表现。
2026-01-28 cs.AI
How Clued up are LLMs? Evaluating Multi-Step Deductive Reasoning in a Text-Based Game Environment
Georgetown University（乔治城大学）；Syntheos, Corp（Syntheos公司）；UNU-Merit
本文通过文本多智能体版经典棋盘游戏Clue评估LLM的多步骤演绎推理能力，发现即使在结构化逻辑谜题微调后，推理一致性仍难以维持，且推理精度未显著提升。
2026-03-17 cs.AI cs.CL
Identifying reasoning patterns in games
我们提出了一种算法，确定在游戏中的代理的推理模式，通过迭代检查其多代理影响图（MAID）表示的图形结构。如果代理人的决策不参与任何推理模式，那么我们可以有效地忽略该决策，以计算博弈的纳什均衡。在某些情况下，这可以导致平衡计算过程中的指数级时间节省。此外，我们的算法可以用来枚举的推理模式在一个游戏中，这可能是有用的，以构建更有效的计算机代理与人类互动。
2012-06-13 cs.AI cs.GT
TMGBench: A Systematic Game Benchmark for Evaluating Strategic Reasoning Abilities of LLMs
TMGBench是一个系统性博弈基准，覆盖全部144种2x2博弈类型，通过经典与故事化场景及顺序、并行、嵌套结构，全面评估大语言模型的战略推理能力，揭示其在准确性和心智理论上的不足。
2025-05-27 cs.AI cs.GT
Efficient Reasoning in Regular Boardgames
Institute of Computer Science University of Wroc aw Wroc aw, Poland
我们提出了技术方面的推理规则棋盘游戏（RBG）语言-一个普遍的一般游戏（GGP）形式主义的类有限确定性游戏与完美的信息，编码规则的形式的正则表达式。RBG作为一种研究工具，旨在帮助开发用于知识推理，分析，生成，学习和玩游戏的通用算法。在所有这些任务中，通用性和效率都很重要。在第一部分中，本文介绍了RBG编译器所使用的优化。当测量每秒可能的游戏播放次数时，这些优化的影响范围从1.7到甚至33倍的效率提高。然后，我们与其他三个现代GGP系统（GDL，Ludii，Ai Ai）进行了深入的效率比较。我们还包括我们自己的高度优化的游戏特定推理机，以提供最大速度的参考点。我们的实验表明，RBG是目前最快的抽象一般的游戏语言，其效率可以竞争的共同基于接口的系统，依赖于手工制作的游戏特定的实现。最后，我们讨论了一些问题和计算基准这样的方法。
2020-06-15 cs.AI
Goal Reasoning by Selecting Subgoals with Deep Q-Learning
Universidad de Granada（格拉纳达大学）
在这项工作中，我们提出了一种目标推理方法，该方法通过深度Q学习来选择子目标，以便在面临时间限制很紧的场景（例如在线执行系统）时减少计划器的负载。我们设计了一个基于CNN的目标选择模块，并在标准的视频游戏环境中对其进行了训练，在不同的游戏（规划域）和级别（规划问题）上对其进行了测试，以衡量其泛化能力。当比较它的性能与一个令人满意的规划器，得到的结果表明，这两种方法都能够找到高质量的计划，但我们的方法大大减少了规划时间。我们得出结论，我们的方法可以成功地应用到不同类型的域（游戏），并显示出良好的泛化性能时，在同一个游戏（域）的新的水平（问题）进行评估。
2020-12-22 cs.AI
CP-nets: A Tool for Representing and Reasoning withConditional Ceteris Paribus Preference Statements
University of Toronto（多伦多大学）；Ben-Gurion University（本古里安大学）；Cornell University（康奈尔大学）；University of British Columbia（不列颠哥伦比亚大学）
关于用户偏好的信息在自动决策中起着关键作用。在许多领域，最好是以定性而不是定量的方式评估这种偏好。在本文中，我们提出了一个定性的图形表示的偏好，反映了条件依赖和独立的偏好声明下的ceteris paribus（其他条件相同）的解释。这种表示通常是紧凑的，并且在许多情况下可以说是相当自然的。我们为这个模型提供了一个正式的语义，并描述了如何利用网络的结构，在几个推理任务，如确定是否一个结果占主导地位（是首选）另一个，根据偏好关系排序的一组结果，并构建最佳的结果受到现有的证据。
2011-06-30 cs.AI
Evaluating Interactive Reasoning in Large Language Models: A Hierarchical Benchmark with Executable Games
East China Normal University（东华师范大学）；Ant Group（蚂蚁集团）
提出一个多轮交互式推理评估框架，将推理视为主动证据获取和信念更新，通过474个可执行游戏基准测试大语言模型在成功率、交互效率、上下文鲁棒性和元认知适应方面的表现。
2026-05-26 cs.AI
Look-ahead Reasoning with a Learned Model in Imperfect Information Games
Artificial Intelligence Center, FEE Czech Technical University in Prague（人工智能中心，布拉格捷克技术大学）
LAMIR算法从不完美信息博弈交互中学习抽象模型，用于测试时向前看推理，使理论严谨的推理在大型博弈中可行，并提升预训练智能体性能。
2025-10-06 cs.AI cs.GT
GAM-Agent: Game-Theoretic and Uncertainty-Aware Collaboration for Complex Visual Reasoning
Sun Yat-sen University（中山大学）；Princeton University（普林斯顿大学）；Snap Inc.（Snap公司）
该研究提出GAM-Agent博弈论多智能体框架，通过基础感知智能体与关键验证智能体的非零和博弈及不确定性感知协作，在四个视觉推理基准上显著提升了中小及强规模VLM的性能，为可靠可解释多模态推理提供了新路径。
2026-08-12 cs.AI
A Qualitative Model for Reasoning about Path and Support
Umeå University（于默奥大学）
本文针对Camelot Jr.积木拼图游戏，提出一种结合质心稳定性逻辑的混合定性推理模型，以支持空间技能训练和可解释的游戏智能体开发。
2026-09-18 cs.AI
WGSR-Bench: Wargame-based Game-theoretic Strategic Reasoning Benchmark for Large Language Models
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）
该研究提出首个基于兵棋推演的大语言模型博弈论战略推理基准WGSR-Bench，围绕三大核心任务构建S-POE架构，并设计对应兵棋智能体以评估先进LLM的战略推理能力，推动相关研究发展。
2025-06-12 cs.AI
Representing scenarios for process evolution management
Aigents Group（Aigents集团）；SingularityNET（奇点网络）
在下面的写作中，我们将从一种新颖的因果分析形式的角度讨论一个表示事件和场景的概念框架。这种因果分析应用于事件和情景，以确定可用于管理过程发展的措施，它们是实时的的一部分。一个整体的术语框架和实体关系模型的建议，以及规范的推理和分析所涉及的功能集。该模型被认为是一个特定的情况下，在不同的数据中找到连续序列的一般问题。具体的推理和推理过程，确定为未来的实施。
2018-07-05 cs.AI
The Token Games: Evaluating Language Model Reasoning with Puzzle Duels
Harvard University（哈佛大学）
本文设计了令牌游戏（TTG）评估框架，通过模型自创谜题进行对决，利用Elo评分比较模型能力，验证了10个前沿模型的推理能力，且无需人工参与谜题创作。
2026-10-14 cs.AI
Reasoning and Behavioral Equilibria in LLM-Nash Games: From Mindsets to Actions
Department of Electrical；Computer Engineering, New York University, Brooklyn, NY, USA
提出LLM-Nash博弈论框架，通过显式建模基于LLM的推理提示选择过程来刻画有限理性，揭示了推理均衡与经典Nash结果的偏离，为LLM系统的策略交互提供新基础。
2025-07-10 cs.AI cs.GT
TTT-Bench: A Benchmark for Evaluating Reasoning Ability with Simple and Novel Tic-Tac-Toe-style Games
Advanced Micro Devices, Inc. (AMD)（超威半导体公司（AMD））
本研究推出TTT-Bench基准，通过四款简单井字棋类游戏评估大型推理模型的策略、空间与逻辑推理能力，发现擅长数学难题的模型常在此类任务中失利，且多数模型在长期策略推理上存在短板。
2025-06-11 cs.AI cs.CL
FALSIFYBENCH: Evaluating Inductive Reasoning in LLMs with Rule Discovery Games
University of Trento（特伦托大学）；Free University of Bozen-Bolzano（博泽-博尔扎诺自由大学）
提出FALSIFYBENCH框架，基于Wason 2-4-6任务评估LLM在假设生成、证据收集和信念修正方面的归纳推理能力，发现推理模型优于指令微调模型，且主动寻求证伪的负测试策略是成功的关键。
2026-06-03 cs.AI
Clueing up LLMs with Tool-Augmented Deductive Reasoning
Georgetown University（乔治城大学）；Syntheos, Corp（Syntheos公司）；UNU-MERIT（联合国大学-马斯特里赫特经济与社会创新研究所）
本研究在Clue棋盘游戏环境中，通过工具增强的可能性矩阵将推理日志转为显式状态，提升LLM智能体的多步演绎推理能力，并显著优于基线。
2026-09-17 cs.AI
Epistemic Graphs for Representing and Reasoning with Positive and Negative Influences of Arguments
University College London（伦敦大学学院）；University of Koblenz-Landau（科布伦茨-兰道大学）
本文介绍了认知图作为一个概括的认知方法的概率论证。在这些图中，一个论点可以在给定的程度上被相信或不相信，从而在确定给定论点的状态时，为标准的Dung方法提供了一个更细粒度的替代方案。此外，认知方法的灵活性使我们既可以对现有语义背后的基本原理进行建模，也可以在需要时完全偏离它们。认知图可以对攻击和支持以及既不是支持也不是攻击的关系进行建模。其他论证影响一个给定论证的方式是由认识约束来表达的，认识约束可以限制我们在一个具有不同程度特异性的论证中的信念。事实上，我们可以指定参数应该被评估的规则，并且我们可以在不相关的参数之间包含约束，这使得框架对上下文更加敏感。它还允许更好地建模不完美的代理，这可能是重要的多代理应用程序。
2020-01-14 cs.AI
GameBench: Evaluating Strategic Reasoning Abilities of LLM Agents
Olin College of Engineering（奥林工程学院）；University of Texas at Dallas（德克萨斯大学达拉斯分校）；University of Oxford（牛津大学）；University College London（伦敦大学学院）；ShanghaiTech University（上海科技大学）；Columbia University（哥伦比亚大学）；University of Manchester（曼彻斯特大学）
GameBench是一个跨领域基准，通过9个游戏环境评估LLM智能体的战略推理能力，结果显示GPT-3/GPT-4均未达到人类水平，CoT和RAP框架虽提升分数但仍不及人类。
2024-07-22 cs.AI cs.CL
SAGE: Structured Strategic Reasoning for Efficient LLM Game Playing
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Johns Hopkins University（约翰斯·霍普金斯大学）；Microsoft（微软）；Fudan University（复旦大学）；University of Science and Technology of China（中国科学技术大学）
SAGE是一个无需训练的推理时框架，通过锚定、适应和重新校准三个操作结构化LLM策略推理，在多个不完美信息博弈中显著提升收益并减少令牌使用。
2026-10-15 cs.AI
Enhance Reasoning for Large Language Models in the Game Werewolf
Tencent AI Lab（腾讯AI实验室）
本文提出将LLM与外部Thinker模块集成的双系统推理框架，通过数据库知识和强化学习训练，在9人狼人杀游戏中提升演绎推理与发言生成能力，并贡献了最大规模社交推理游戏数据集。
2024-03-29 cs.AI cs.CL
Perfect Information Monte Carlo with Postponing Reasoning
Potassco Solutions（Potassco解决方案公司）
针对不完美信息博弈中策略融合问题，提出扩展完美信息蒙特卡洛（EPIMC）算法，通过延迟完美信息解析增强PIMC性能，实证显示其在策略融合影响显著的博弈中表现提升，为相关算法提供理论基础。
2024-08-05 cs.AI
Limits of Emergent Reasoning of Large Language Models in Agentic Frameworks for Deterministic Games
Algoverse AI Research（Algoverse AI研究）
本文通过让 LLM 借助环境接口求解汉诺塔问题，检验状态跟踪是否导致推理性能崩溃，发现接口无法阻止崩溃，并将原因归结为策略模式化偏离。
2025-10-12 cs.AI
CT-NOR: Representing and Reasoning About Events in Continuous Time
Microsoft Research（微软研究院）；University of California, Berkeley（加利福尼亚大学伯克利分校）；Dickinson College（迪金森学院）
我们提出了一个生成模型表示和推理的事件之间的关系在连续的时间。我们将该模型应用到网络和分布式计算环境中，我们从时间戳观测中拟合模型的参数，然后使用假设检验来发现事件之间的依赖关系和行为变化，以进行监测和诊断。在介绍了该模型之后，我们提出了一种EM算法来拟合参数，然后提出了假设检验方法来发现依赖关系和检测变点。我们验证了这两个任务的方法，使用真实的数据，在微软剑桥研究院的网络事件的痕迹。最后，我们正式提出的模型和噪声“或”门的情况下，时间可以离散化之间的关系。
2012-06-13 cs.AI stat.AP
RTSGameBench: Evaluating VLMs for Strategic Reasoning in Game Environments
Seoul National University（首尔国立大学）
提出RTSGameBench，基于Beyond All Reason游戏，通过多样化对战、迷你游戏诊断和自进化生成框架，评估视觉语言模型在实时策略游戏中的战略推理能力。
2026-11-04 cs.AI
Do Persona-Infused LLMs Affect Performance in a Strategic Reasoning Game?
Bellini College of Artificial Intelligence, Cybersecurity and Computing（人工智能、网络安全与计算学院）；University of South Florida（佛罗里达州立大学）；Information Directorate（信息 Directorate）；Air Force Research Library（空军研究图书馆）
本研究探讨了个性提示对战略推理游戏表现的影响，提出了一种基于心理测量原理的启发式生成方法，通过中介过程提升启发式策略的可靠性。
2025-12-07 cs.AI
MARSHAL: Incentivizing Multi-Agent Reasoning via Self-Play with Strategic LLMs
SIGS, Tsinghua University（清华大学信号与系统系）；EE, Tsinghua University（清华大学电子工程系）；Aalto University（阿alto大学）；Li Auto Inc.（李汽车公司）；Infinigence AI Project Page Code Models（Infinigence AI项目页面代码模型）
MARSHAL通过战略性LLM的自我对战激励多智能体推理，实现多智能体系统的性能提升。
2026-02-12 cs.AI
GGP with Advanced Reasoning and Board Knowledge Discovery
University of Wrocław（弗罗茨瓦夫大学）
一般游戏质量（GGP）比赛遭受缓慢的状态切换和弱知识模块。实例化和命题网络比基于Prolog的推理提供了很大的性能增益，但扩展性不好。在本出版物中，mGDL是GDL的一种变体，去掉了函数常数，被定义为简单推理机的基础。mGDL允许轻松地将规则映射到C++函数。在270个测试的GDL规则表中，有253个符合mGDL，没有任何修改;其余的需要轻微修改。修订后的（m）GDL到C++翻译方案已被重新评估;它比YAP Prolog带来了28%到7300%的收益，甚至能够在几秒钟内编译出要求严格的规则表。为了加强游戏知识，空间特征的灵感来自计算机围棋类似的成功技术已经提出。由于它们需要一个欧几里得度量，GDL的一个小扩展板已经通过一组基础原子句定义。设计了一种基于SGA的遗传算法，用于调整游戏参数和进行自我游戏，从而从有意义的游戏记录中挖掘特征。该方法已经在一个小型集群上进行了测试，与基线UCT玩家相比，性能提升高达20%。GGP Spatium是一个小型的C++/Python GGP框架，用于开发紧凑的GGP播放器和问题解决器。
2014-01-22 cs.AI
Temporal Reasoning without Transitive Tables
LIPN UMR 7030 (Universit\'e Paris 13 et CNRS)\ .
定性时态信息的表示和推理是许多人工智能任务的重要组成部分。在文献中已经提出了许多模型来表示这种时间信息。所有这些都源自基于点或基于区间的框架。在这些框架的应用中出现的一个基本推理任务由以下方案给出：给定一些时间对象之间的二元关系的可能不确定和不完整的知识，找到所有这些对象之间的一致性关系。所有这些模型都需要传递表-或类似的推理规则-来解决这些任务。我们已经定义了一个替代模型，S-语言-来表示定性的时间信息，只有两个关系的\emph{precedence}和\emph{simultaneity}的基础上。在本文中，我们将展示如何使用此模型来避免传递表或推理规则来处理此类问题。
2007-06-09 cs.AI
CivRealm: A Learning and Reasoning Odyssey in Civilization for Decision-Making Agents
National Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室（BIGAI））；Peking University（北京大学）；BUPT（北京邮电大学）
针对现有交互环境重学习轻推理的问题，本文提出受《文明》启发的决策智能体环境CivRealm，其具备不完全信息、玩家数动态变化等复杂特性，为两类智能体提供接口，初步实验显示现有RL和LLM智能体在完整游戏中进展有限，为智能体学习与推理研究提供新挑战。
2024-03-12 cs.AI
Creative Captioning: An AI Grand Challenge Based on the Dixit Board Game
Vanderbilt University（范德堡大学）；Occidental College（西方学院）
我们提出了一类新的“大挑战”人工智能问题，我们称之为创意字幕-为图像生成聪明，有趣或抽象的字幕，以及理解这些字幕。创意字幕借鉴了视觉、自然语言处理、叙事推理和社会推理等核心人工智能研究领域，在所有这些领域，它都需要对常识和文化知识的复杂运用。在本文中，我们分析了几个具体的研究问题，属于创意字幕，使用流行的棋盘游戏Diplomacy作为灵感和建议的测试场。我们希望Diplomat可以在未来1- 20年内成为众多人工智能研究社区的创意字幕的吸引力和激励性基准。
2020-09-30 cs.AI
Pragmatic Reasoning in Structured Signaling Games
Chalmers University of Technology（查尔姆斯理工大学）
本文提出结构化信号博弈及sRSA框架，用于结构化域中的语用推理，实验证明sRSA在颜色领域仅需1-2层递归即可接近信息论极限，且在多智能体强化学习中优于RSA和纯强化学习。
2023-05-17 cs.AI cs.CL
Connecting the Dots: Evaluating Abstract Reasoning Capabilities of LLMs Using the New York Times Connections Word Game
Barnard College, Columbia University（哥伦比亚大学巴纳德学院）；Stony Brook University（石溪大学）
本文使用438个《纽约时报》Connections游戏评估LLMs的抽象推理能力，发现表现最好的Claude 3.5 Sonnet仅解决18%的游戏且不及人类玩家，并构建知识类型分类法揭示了LLMs在百科知识等非语义推理上的不足。
2024-10-14 cs.AI cs.CL
BALROG: Benchmarking Agentic LLM and VLM Reasoning On Games
University College London（伦敦大学学院）；IDEAS NCBR；University of Oxford（牛津大学）；New York University（纽约大学）；Anthropic；University of Warsaw（华沙大学）；Institute of Mathematics, Polish Academy of Sciences（波兰科学院数学研究所）
BALROG是一个通过多样化游戏评估LLMs和VLMs智能体能力的新颖基准，研究发现当前模型在简单任务中部分成功，但在复杂任务和基于视觉的决策制定中存在严重缺陷。
2025-04-01 cs.AI
Do Vision-Language-Models show human-like logical problem-solving capability in point and click puzzle games?
Institute of Artificial Intelligence, University of Stuttgart, Stuttgart, Germany（斯图加特大学人工智能研究所）
本文提出VLATIM基准测试，用于评估在经典物理谜题游戏The Incredible Machine 2中人类般的逻辑问题解决能力，发现尽管大模型在规划方面表现优异，但精确的视觉定位仍存在问题，尚未达到人类水平。
2026-05-17 cs.AI
Reasoning about Causality in Games
University of Oxford（牛津大学）；DeepMind（深度思维）
本文提出结构因果博弈框架，将因果推理与博弈论统一建模，定义预测、干预和反事实查询，并配套开源 Python 库以支持更丰富的因果与策略推理。
2023-04-17 cs.AI cs.GT cs.MA
Zero-Shot Reasoning: Personalized Content Generation Without the Cold Start Problem
Faculty of Computer and Information Science, University of Ljubljana（卢布尔雅那大学计算机与信息科学学院）；Faculty of Arts, University of Ljubljana（卢布尔雅那大学艺术学院）
本文提出利用大语言模型基于个体玩家游戏数据零样本生成个性化关卡，以规避传统程序化内容生成的冷启动与高成本问题，并在生产环境中验证其降低玩家中途退出概率的效果优于传统方法。
2024-06-28 cs.AI
GTBench: Uncovering the Strategic Reasoning Limitations of LLMs via Game-Theoretic Evaluations
Drexel University（德雷塞尔大学）；LLNL（劳伦斯利弗莫尔国家实验室）；Lehigh University（里海大学）；UNC Chapel Hill（北卡罗来纳大学教堂山分校）；MIT（麻省理工学院）；Harvard University（哈佛大学）；Boston University（波士顿大学）
本文提出GTBench博弈论评估环境，系统刻画并比较LLMs在10类游戏中的策略推理能力，揭示其在不同信息与概率场景下的行为差异、开源与商业模型差距及代码预训练的作用。
2024-06-10 cs.AI cs.CL cs.LG
Do LLMs Know When to Flip a Coin? Strategic Randomization through Reasoning and Experience
Shanghai Jiao Tong University（上海交通大学）
本文提出受田忌赛马启发的零和博弈以分离随机化决策，评估五个 LLM 发现强模型在提示下能策略性随机化并趋向均衡，揭示了其策略推理能力的差异。
2025-06-21 cs.AI
Reasoning Capabilities of Large Language Models. Lessons Learned from General Game Playing
Grail Team（Grail团队）；Warsaw University of Technology（华沙技术大学）；AGH University of Krakow（克拉科夫AGH大学）
本文通过通用游戏玩法任务评估大语言模型的推理能力，发现部分模型在多步骤任务中表现稳定，但随着任务复杂度增加性能下降。
2026-02-22 cs.AI cs.CL cs.LO
R2-B2: Recursive Reasoning-Based Bayesian Optimization for No-Regret Learning in Games
National University of Singapore（新加坡国立大学）；Massachusetts Institute of Technology（麻省理工学院）
本文提出了一种递归推理形式主义贝叶斯优化（BO）建模的推理过程中的相互作用的有限理性，自私的代理未知的，复杂的，和成本评估的支付函数在重复的游戏，我们称之为递归推理为基础的BO（R2-B2）。我们的R2-B2算法是通用的，因为它不约束不同代理的支付函数之间的关系，因此可以应用于各种类型的游戏，如常和，一般和，和共同支付游戏。我们证明，通过在2级或以上的推理，并在一个比其他代理更高的水平，我们的R2-B2代理可以实现更快的渐近收敛到没有遗憾，比没有利用递归推理。我们还提出了一个计算成本更低的R2-B2变体，称为R2-B2-Lite，代价是较弱的收敛保证。我们的R2-B2算法的性能和通用性的经验证明，使用合成游戏，对抗机器学习，和多智能体强化学习。
2020-06-30 cs.AI cs.GT cs.LG
TextGames: Learning to Self-Play Text-Based Puzzle Games via Language Model Reasoning
Capital One（第一资本金融公司）；Brown University（布朗大学）
本文提出TextGames基准，通过文本谜题评估大语言模型的推理能力，发现模型在困难任务上表现不佳，而推理优化模型优于指令遵循模型。
2025-02-25 cs.AI cs.CL
Evaluating Language Models' Evaluations of Games
University of Cambridge（剑桥大学）；MIT（麻省理工学院）；Princeton University（普林斯顿大学）；NYU（纽约大学）；Harvard University（哈佛大学）；Stanford University（斯坦福大学）
本文研究了语言模型对游戏评估的能力，通过比较现代语言模型和人类及符号计算代理的评估结果，发现推理模型在游戏评估上更接近人类，但随着模型接近博弈最优，其与人类数据的匹配度会减弱，且在评估趣味性时表现出更大的波动。
2026-05-18 cs.AI cs.CL
Lost in the Logic: An Evaluation of Large Language Models' Reasoning Capabilities on LSAT Logic Games
Princeton University（普林斯顿大学）
本文通过构建LSAT逻辑游戏数据集并引入Reflexion提示框架，评估并提升了GPT-4和GPT-3.5在复杂逻辑推理任务上的表现，揭示了LLMs修正逻辑错误的能力。
2024-09-23 cs.AI cs.CL
LLM-Stackelberg Games: Conjectural Reasoning Equilibria and Their Applications to Spearphishing
Department of Electrical and Computer Engineering, New York University（电气与计算机工程系，纽约大学）
本文提出LLM-Stackelberg博弈框架，将LLM整合到领导者与追随者的序贯决策中，定义了推理与行为均衡及推测推理均衡，并通过鱼叉式网络钓鱼案例展示了其在网络安全等领域的建模潜力。
2025-07-12 cs.AI cs.CR cs.GT
