Configurable Agent With Reward As Input: A Play-Style Continuum Generation
Ubisoft（育碧）；Sorbonne Université（索邦大学）；CNRS（法国国家科学研究中心）
现代电子游戏在游戏机制方面变得越来越丰富和复杂。这种复杂性允许出现各种各样的方式来玩游戏的球员。从游戏设计师的角度来看，这意味着一个人需要预测很多不同的游戏方式。机器学习（ML）可以帮助解决这个问题。更准确地说，强化学习是满足视频游戏测试自动化需求的一个很有前途的答案。在本文中，我们提供了一个视频游戏环境，可以让我们定义多种游戏风格。然后，我们介绍CARI：一个可配置的代理与奖励作为输入。一个能够模拟各种游戏风格的代理。它不局限于极端的原型行为，如当前使用奖励塑造的方法。此外，它通过一个单一的训练循环来实现这一点，而不是通常的一个循环每发挥风格。我们将这种新的训练方法与更经典的奖励塑造方法进行了比较，并得出结论，CARI在原型生成方面也优于基线。这种新的代理可以用来调查行为和平衡过程中的视频游戏与现实量的训练时间。
2022-11-29 cs.AI cs.LG
Cine-AI: Generating Video Game Cutscenes in the Style of Human Directors
Aalto University（阿尔托大学）
过场动画是许多视频游戏不可或缺的一部分，但它们的创建成本高，耗时长，并且需要许多游戏开发人员缺乏的技能。虽然人工智能已被用于半自动化的过场动画制作，但其结果通常缺乏专业人类导演所特有的风格的内部一致性和统一性。我们用Cine-AI克服了这个缺点，Cine-AI是一个开源的程序化电影摄影工具集，能够以杰出的人类导演的风格生成游戏中的过场动画。Cine-AI在流行的游戏引擎Unity中实现，具有新颖的时间轴和故事板界面，用于设计时操作，并结合运行时电影摄影自动化。通过两项用户研究，每项研究都采用了定量和定性的方法，我们证明了Cine-AI可以生成人们正确地与目标导演相关联的过场动画，同时提供高于平均水平的可用性。我们的导演模仿数据集是公开的，用户和电影爱好者可以扩展。
2022-08-11 cs.AI cs.HC cs.MM
A Behavior Analysis-Based Game Bot Detection Approach Considering Various Play Styles
Sungkyunkwan University（成均馆大学）；ETRI（韩国电子通信研究院）
提出了一种基于游戏行为分析的MMORPG游戏机器人检测方法。由于MMORPG是大型游戏，用户可以以各种方式玩。游戏行为的这种多样性使得很难根据游戏行为检测游戏机器人。为了解决这个问题，该方法观察用户的游戏行为，并根据他们的行为相似性将他们分组。然后，它为每个玩家组开发了一个本地机器人检测模型。由于局部优化模型可以更准确地检测每个玩家组中的游戏机器人，因此这些模型的组合带来了整体改进。为了减少服务中的游戏服务器的工作负载的实际目的，以低分辨率及时收集游戏数据。行为特征的选择和开发，以准确地检测游戏机器人与低分辨率的数据，考虑到共同的方面MMORPG玩。通过对一个游戏的真实数据进行实验，结果表明，所提出的局部模型方法可以得到更准确的结果。
2015-09-08 cs.AI cs.LG
Game Arena: Strategic LLM Evaluation in Competitive Environments
本文介绍Kaggle游戏竞技场，一个通过竞争性游戏评估LLM的平台，涵盖国际象棋、扑克和狼人杀，旨在防止性能饱和，确保评估的可重复性和泛化性。
2026-09-28 cs.AI
Game of Sketches: Deep Recurrent Models of Pictionary-style Word Guessing
智能代理以类似人类的方式玩游戏的能力通常被认为是人工智能进步的基准。类似地，多学科任务（如视觉问答（VQA））的表现被认为是衡量计算机视觉进展的标志。在我们的工作中，我们将游戏和VQA结合在一起。具体来说，我们介绍了第一个计算模型，针对Pictionary，流行的社会游戏猜词。我们首先介绍了Sketch-QA，一个初级版本的视觉问答任务。在Pictionary之后，Sketch-QA使用增量累积的草图笔划序列作为视觉数据。值得注意的是，Sketch-QA涉及问一个固定的问题（“正在绘制什么对象？）和从人类猜测者那里收集开放式的猜测词。我们分析了由此产生的数据集，并提出了许多有趣的发现。为了模仿图画式的猜测，我们随后提出了一个深度神经模型，该模型可以生成猜测词，以响应时间上不断变化的人类绘制的草图。我们的模型甚至会在猜测时犯类似人类的错误，从而放大了人类的模仿因素。我们通过Sketch-QA任务生成的大规模猜测词数据集来评估我们的模型，并与各种基线进行比较。我们还进行了视觉图灵测试，以获得人类和我们的模型产生的猜测词的人类印象。实验结果表明，我们的方法的承诺Pictionary和类似的主题游戏。
2018-01-29 cs.AI cs.CV
Procedural Generation of Angry Birds Levels using Building Constructive Grammar with Chinese-Style and/or Japanese-Style Models
Interculture Language Academy（国际语学学院）；Ritsumeikan University（立命馆大学）
本文提出了一种程序化的生成方法，创建具有视觉吸引力的愤怒的小鸟游戏的水平。除了是一款非常受欢迎的手机游戏外，《愤怒的小鸟》最近还成为了各种人工智能技术的试验台。我们提出了一种新的方法，使用中国风格和日本风格的建筑结构程序生成愤怒的小鸟水平。进行的实验证实了我们的方法的有效性与统计意义。
2016-04-27 cs.AI cs.HC
Perceptual Similarity for Measuring Decision-Making Style and Policy Diversity in Games
National Yang Ming Chiao Tung University（国立阳明交通大学）；Academia Sinica（中央研究院）
本文提出基于感知相似度的游戏决策风格度量方法，通过多尺度分析、感知核和交并比评估提升零样本风格分类精度，并验证其在多样性与AI演化分析中的价值。
2024-08-30 cs.AI cs.IR cs.LG
CoMaTrack: Competitive Multi-Agent Game-Theoretic Tracking with Vision-Language-Action Models
Amap, Alibaba Group（高德，阿里巴巴集团）
本文提出CoMaTrack，一种基于竞争的多智能体强化学习框架，通过动态对抗环境训练，提升跟踪任务的适应性和鲁棒性，并引入首个开源的CoMaTrack-Bench基准测试平台。
2026-03-31 cs.AI
Incorporating Rivalry in Reinforcement Learning for a Competitive Game
Italian Institute of Technology（意大利理工学院）；Simon Fraser University（西蒙弗雷泽大学）
强化学习与社会代理人的最新进展，使这些模型实现人类水平的性能在特定的互动任务。然而，大多数交互式场景并没有一个单独的版本作为最终目标;相反，这些代理与人类交互时的社会影响同样重要，而且在很大程度上尚未探索。在这方面，这项工作提出了一种新的强化学习机制的基础上的竞争行为的社会影响。我们提出的模型聚合了客观和社会感知机制，以获得一个竞争分数，用于调节人工代理的学习。为了研究我们提出的模型，我们设计了一个交互式的游戏场景，使用厨师的帽子纸牌游戏，并研究竞争调制如何改变代理的游戏风格，以及这如何影响人类玩家在游戏中的体验。我们的研究结果表明，人类可以检测到特定的社会特征时，对竞争对手的代理相比，共同的代理，这直接影响了人类玩家在随后的游戏中的表现。最后，我们讨论了不同的社会和客观特征，组成的人工竞争分数有助于我们的结果，我们的工作。
2022-08-22 cs.AI
Understanding Sampling Style Adversarial Search Methods
Cornell University（康奈尔大学）
UCT最近成为一种令人兴奋的新对抗性推理技术，它基于在蒙特卡洛采样环境中巧妙地平衡探索和利用。它在围棋中特别成功，但其成功的原因并不清楚，试图在其他领域（如国际象棋）复制其成功的尝试都失败了。我们提供了一个深入的分析的潜力，UCT在域独立的设置，在启发式值可用的情况下，和增强随机播放的效果，更明智的播放两个弱极大极小的球员之间。为了提供进一步的见解，我们开发合成游戏树实例，并讨论有趣的属性UCT，无论是经验和分析。
2012-03-15 cs.AI
AntiCheatPT: A Transformer-Based Approach to Cheat Detection in Competitive Computer Games
The IT-University of Copenhagen（丹麦技术大学）；brAIn lab - Culture, Play（brAIn实验室 - 文化、游戏）；AI Section The IT-University of Copenhagen（人工智能部门 丹麦技术大学）
针对现有反作弊系统难兼顾非侵入性与作弊手段迭代的问题，提出基于Transformer的《CS2》作弊检测模型AntiCheatPT_256，发布含795场对局的标注数据集CS2CD，经数据增强训练后模型准确率达89.17%，为相关研究提供可靠基线。
2025-08-08 cs.AI
Metagame Autobalancing for Competitive Multiplayer Games
University of York（约克大学）；Queen Mary University of London（伦敦玛丽女王大学）
自动游戏平衡通常集中在单代理场景。在本文中，我们提出了一个工具，在游戏设计过程中平衡多人游戏。我们的方法要求设计师构建一个直观的图形表示他们的元游戏目标，代表高层次的战略（或甲板，或字符类型）应该经历的相对分数。这允许定义更复杂的平衡目标，而不仅仅是简单的相等获胜机会的要求。然后，我们使用基于模拟的优化来找到满足此目标的游戏参数化，以最小化与目标图的距离。我们展示了这个工具的能力，继承从石头剪刀布的例子，并在一个更复杂的不对称格斗游戏。
2020-06-08 cs.AI cs.HC
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
Evaluating Team Skill Aggregation in Online Competitive Games
DePaul University（德保罗大学）
在线竞技游戏的主要目标之一是通过确保公平比赛来增加玩家参与度。这些游戏使用评级系统来创建平衡的比赛。评级系统利用统计估计来评估玩家的技能，并在匹配玩家之前使用技能评级来预测排名。单个玩家的技能等级可以被聚合以计算团队的技能水平。虽然研究往往旨在提高技能估计的准确性和比赛的公平性，但很少关注如何从其成员的技能水平计算团队的技能水平。在本文中，我们提出了两种新的聚合方法，并将其与研究文献中广泛使用的标准方法进行比较。我们提出了一个详尽的分析，这些方法对评级系统的预测性能的影响。我们使用三个流行的评级系统，Elo，Glicko和TrueSkill，在三个真实世界的数据集上进行实验，包括超过100，000场战斗royale和头对头的比赛。我们的评估表明，在大多数测试案例中，MAX方法优于其他两种方法，这意味着团队的整体表现最好由其最熟练的成员的表现决定。这项研究的结果强调了设计更详细的方法来计算球队表现的必要性-方法涵盖了球员行为的不同方面，如技能，策略或目标。
2021-06-21 cs.AI
Incorporating Rivalry in Reinforcement Learning for a Competitive Game
Italian Institute of Technology（意大利理工学院）；University of British Columbia（英属哥伦比亚大学）
强化学习与社会代理的最新进展使我们能够在一些交互任务上实现人类水平的性能。然而，大多数交互式场景并不具有单独的最终目标性能;相反，这些代理人与人类交互时的社会影响同样重要，并且在大多数情况下，从未正确探索过。这项预注册研究的重点是提供一种基于竞争性社会影响的新型学习机制。我们的场景探索了不同的基于强化学习的智能体与人类玩家玩竞争性纸牌游戏。基于竞争性竞争的概念，我们的分析旨在研究我们是否可以从人类的角度改变对这些代理人的评估。
2020-11-02 cs.AI cs.LG
Play Style Identification Using Low-Level Representations of Play Traces in MicroRTS
Queen Mary University of London（伦敦女王学院）
本研究探索使用无监督CNN-LSTM自编码器模型，直接从MicroRTS的低层游戏轨迹数据中获取潜在表示，实现了不同游戏智能体的有意义分离，减少了对领域知识的依赖，并引导探索AI玩家的多样化游戏风格。
2025-07-14 cs.AI cs.LG
Mastering Zero-Shot Interactions in Cooperative and Competitive Simultaneous Games
Leibniz University Hannover（汉诺威莱布尼茨大学）
本文提出Albatross算法，通过建模其他智能体行为并学习平滑最佳响应Logit均衡，在同时博弈中实现与任意强度智能体的零样本合作与竞争，并在Battlesnake和Overcooked中显著优于AlphaZero及先前方法。
2024-06-11 cs.AI cs.GT
Designer Modeling through Design Style Clustering
Malmö University（马尔默大学）；New York University（纽约大学）
我们建议在混合主动游戏内容创作工具中建模设计师风格作为原型设计痕迹。这些设计痕迹被公式化为设计风格之间的过渡;这些设计风格反过来又通过聚类所有中间设计来找到，从而形成完整的设计。这种方法在Evolutionary Dungeon Designer中实现，这是一个混合主动系统的研究平台，用于创建冒险和地牢爬虫游戏。我们以房间设计风格的形式呈现结果，可以对其进行分析以更好地了解用户设计的房间类型，以及这些房间之间的原型序列的形式，即，设计师人物角色。
2022-01-20 cs.AI cs.HC
InMind: Evaluating LLMs in Capturing and Applying Individual Human Reasoning Styles
Nankai University（南开大学）；Shanghai Innovation Institute（上海创新研究院）；Shanghai AI Laboratory（上海人工智能实验室）；Fudan University（复旦大学）；Johns Hopkins University（约翰霍普金斯大学）；Wuhan University（武汉大学）；University of Science and Technology of China（中国科学技术大学）
本文提出InMind评估框架，通过社交推理游戏中的策略轨迹与赛后反思，检验大语言模型捕捉和应用个体化推理风格的能力，发现通用模型存在局限而推理增强模型初显风格敏感推理能力。
2025-09-21 cs.AI cs.CL
CognitionNet: A Collaborative Neural Network for Play Style Discovery in Online Skill Gaming Platform
Artificial Intelligence and Data Science, Games24x7 India（人工智能与数据科学，Games24x7印度）；Product Delight, Games24x7 India（产品愉悦，Games24x7印度）
提出两阶段协作神经网络CognitionNet，通过“桥接损失”在Rummy平台从遥测数据中挖掘游戏行为微模式与玩家持久游戏风格，实现玩家心理和战术的自动化发现及参与度预测诊断，显著优于SOTA基线。
2025-05-01 cs.AI cs.LG
Minecraft-ify: Minecraft Style Image Generation with Text-guided Image Editing for In-Game Application
School of Art and Technology, Chung-Ang University（中央大学艺术与技术学院）；VIVE STUDIOS（VIVE工作室）；GSAIM, Chung-Ang University（中央大学GSAIM）；Department of Computer Science and Engineering, Chung-Ang University（中央大学计算机科学与工程系）
提出 Minecraft-ify 角色纹理生成系统，可基于真实图像或学习分布生成适配立方体三维角色的面部纹理，并通过 StyleGAN 与 StyleCLIP 实现文本引导编辑。
2024-03-03 cs.AI cs.CV cs.GR
Behavioral Player Rating in Competitive Online Shooter Games
DePaul University（德保罗大学）
竞争性在线游戏使用评级系统进行匹配;基于进度的算法，根据玩家玩游戏的结果，通过可解释的评级来估计玩家的技能水平。然而，玩家的整体体验是由游戏结果之外的因素塑造的。在本文中，我们从游戏中的统计数据中设计了几个功能来建模玩家，并创建了准确代表他们的行为和真实表现水平的评级。然后，我们比较了我们的行为评级与三个主流评级系统创建的评级预测排名的球员在四个流行的游戏模式，从竞争激烈的射击游戏类型的估计能力。我们的研究结果表明，行为评级提出了更准确的性能估计，同时保持所创建的表示的可解释性。考虑玩家的游戏行为的不同方面并使用行为评级进行匹配可以导致与玩家的目标和兴趣更一致的匹配，从而导致更愉快的游戏体验。
2022-07-01 cs.AI cs.LG cs.SI
Impartial Games: A Challenge for Reinforcement Learning
Imperial College London（帝国理工学院伦敦分校）；Queen Mary University of London（女王玛丽大学）
本文研究了AlphaZero风格强化学习在impartial games中的局限性，指出其在学习抽象数学原理如奇偶性时存在表示瓶颈，需发展新型算法以实现专家级AI。
2026-01-21 cs.AI cs.LG
Contrastive Learning of Generalized Game Representations
Institute of Digital Games University of Malta Msida, Malta
通过像素表示游戏为构建通用和多功能的游戏模型提供了一种有前途的方法。虽然游戏不仅仅是图像，但在游戏像素上训练的神经网络模型通常会捕捉图像视觉风格的差异，而不是游戏内容。因此，即使在同一类型的类似游戏中，这种模型也不能很好地推广。在本文中，我们建立在对比学习的最新进展，并展示其在游戏中的表示学习的好处。学习对比游戏图像不仅可以更有效地对游戏进行分类，还可以通过忽略视觉风格而专注于内容来产生更有意义的游戏分离模型。我们在包含175个游戏和10个游戏类型的10万张图像的大型体育视频游戏数据集中的结果表明，与传统的监督学习相比，对比学习更适合学习广义游戏表示。这项研究的结果使我们更接近于通用的游戏视觉编码器，可以在以前看不见的游戏中重复使用，而不需要重新训练或微调。
2021-06-18 cs.AI cs.CV
On Move Pattern Trends in a Large Go Games Corpus
Charles University（查理大学）；SUSE Labs（SUSE实验室）；Novell（Novell公司）
我们处理了一个大型语料库的棋盘游戏的围棋比赛记录，并提出了一种方法来提取摘要信息的发挥移动。然后，我们应用几个基本的数据挖掘方法的摘要信息，以确定最有区别的功能内的摘要信息，并讨论他们的对应关系与传统的围棋知识。我们显示统计上显着的映射功能的球员属性，如发挥实力或非正式感知的“打球风格”（如领土性或侵略性），描述这些属性的准确分类，并提出应用程序，包括播种实际工作的互联网玩家的行列，帮助围棋研究和调整围棋比赛程序，或贡献去理论讨论的范围内的“打球风格”。
2012-09-24 cs.AI cs.LG
Online Motion Style Transfer for Interactive Character Control
University of Pennsylvania（宾夕法尼亚大学）；The Chinese University of Hong Kong（香港中文大学）；Tencent Robotics X（腾讯 Robotics X 实验室）
运动风格转移对于用于游戏的运动生成系统是高度期望的。相对于离线运动风格转换，交互控制下的在线运动风格转换的研究还很有限。在这项工作中，我们提出了一个端到端的神经网络，可以生成不同风格的运动，并在用户控制下实时传输运动风格。我们的方法消除了使用手工制作的阶段功能，可以很容易地训练和直接部署在游戏系统中。在实验部分，我们从三个方面来评估我们的方法是必不可少的工业游戏设计：准确性，灵活性和多样性，我们的模型执行一个令人满意的结果。
2022-03-30 cs.AI cs.CV cs.GR
Quantum entanglement provides a competitive advantage in adversarial games
CSIRO（联邦科学与工业研究组织）
本研究通过量子-经典混合智能体在Pong对抗性马尔可夫博弈中的实验，发现纠缠量子电路在特征提取和竞争性强化学习中优于可分离电路，表明量子纠缠可作为表示学习的功能资源。
2026-06-03 cs.AI cs.LG quant-ph
Offline Fictitious Self-Play for Competitive Games
本文提出OFF-FSP，首个用于竞争性游戏的实用无模型离线强化学习算法，通过重要性采样模拟对手交互并结合虚构自我对弈约束分布外动作，以逼近纳什均衡，实验证明其利用性显著低于现有基线。
2025-10-14 cs.AI cs.GT cs.LG
Online Competitive Information Gathering for Partially Observable Trajectory Games
Vanderbilt University（范德比大学）
本文针对部分可观测随机博弈中连续规划难处理的问题，提出一种基于粒子估计与随机梯度博弈的在线轨迹规划方法，在追逃和仓库场景中验证其能实现主动信息收集并优于被动方法。
2025-06-02 cs.AI cs.GT cs.MA
Beyond Supra-Competitive Outcomes: Collusive Behaviour in Deep Reinforcement Learning for Optimal Execution Games
University College London（伦敦大学学院）；UZH Blockchain Center（苏黎世大学区块链中心）
本文在最优执行博弈中识别出深度强化学习智能体习得的惩罚机制，该机制通过加速清算惩罚偏离者，为超竞争结果提供了合谋的行为与经济证据。
2026-10-02 cs.AI q-fin.TR
Playstyle and Artificial Intelligence: An Initial Blueprint Through the Lens of Video Games
National Yang Ming Chiao Tung University（阳明交通大学）
本论文提出以游戏风格为视角，构建风格形成框架，定义度量指标，并探索通过强化学习与模仿学习生成风格化智能体，以补充理性决策范式，推动AGI发展。
2025-08-26 cs.AI cs.LG cs.MA
All by Myself: Learning Individualized Competitive Behaviour with a Contrastive Reinforcement Learning optimization
Italian Institute of Technology（意大利理工学院）
针对竞争博弈中现有方法无法生成个性化对手策略的问题，提出含三层神经网络、基于对比优化损失在线训练的模型，在宝可梦对战和Chef's Hat卡牌游戏中表现优于多种基线模型。
2023-10-02 cs.AI cs.LG
Adapting a World Model for Trajectory Following in a 3D Game
Microsoft Research（微软研究院）；Queen Mary University of London（伦敦玛丽女王大学）；University of Oxford（牛津大学）
本研究将带不同编码器和策略头的逆动力学模型（IDM）应用于3D游戏《Bleeding Edge》的轨迹跟随任务，通过未来对齐策略解决分布偏移问题，实验表明不同数据设置下最优配置不同，为3D游戏智能体轨迹跟随提供了有效方法。
2025-04-16 cs.AI cs.CV cs.LG
Last-iterate Convergence of Decentralized Optimistic Gradient Descent/Ascent in Infinite-horizon Competitive Markov Games
University of Southern California（南加州大学）
我们研究无限时域折扣两人零和马尔可夫博弈，并开发了一个分散的算法，证明收敛到纳什均衡下的自我发挥。我们的算法基于对每个状态运行乐观梯度下降算法来学习策略，并使用一个慢慢学习每个状态值的评论家。据我们所知，这是第一个算法，在这种设置，同时是理性的（当对手使用固定策略时，收敛到对手的最佳对策），收敛（收敛到自我博弈下的纳什均衡集），不可知论者（不需要知道对手的动作），对称（玩家在算法中扮演对称角色），并享受有限时间的最后收敛保证，所有这些都是分散算法的理想特性。
2021-07-07 cs.AI cs.LG stat.ML
Fictitious Cross-Play: Learning Global Nash Equilibrium in Mixed Cooperative-Competitive Games
Tsinghua University（清华大学）；Shanghai Qi Zhi Institute（上海期智研究院）
针对混合合作竞争博弈中自博弈难收敛到全局纳什均衡、PSRO扩展性差的问题，提出兼具两者优势的虚拟交叉博弈算法FXP，在矩阵博弈、网格世界和足球博弈中均取得更优效果。
2023-10-05 cs.AI cs.LG cs.MA
Competitive Balance in Team Sports Games
Boston University（波士顿大学）；Electronic Arts（美国艺电）
竞争是多人在线游戏中玩家满意度和参与度的主要驱动力。传统的配对系统旨在创建涉及类似聚合个人技能水平的团队的比赛，例如Elo得分或TrueSkill。然而，团队动态不能单独使用这种线性预测。最近，它已被证明，非线性预测器的目标是学习作为玩家和团队功能的函数的获胜概率显着优于这些线性的技能为基础的方法。在本文中，我们表明，使用最终得分差提供了一个更好的预测指标的竞争平衡。我们还表明，在精心选择的一组团队和个人特征上训练的线性模型几乎达到了更强大的神经网络模型的性能，同时提供了两个数量级的推理速度提高。这显示出在在线配对系统中实施的重大前景。
2020-06-24 cs.AI cs.HC cs.MA
Stability of Multi-Agent Learning in Competitive Networks: Delaying the Onset of Chaos
Imperial College London（帝国理工学院）
该研究摒弃零和博弈假设，通过参数化网络博弈的统计方法分析竞争网络中Q-Learning动力学的收敛性，发现其稳定性仅依赖网络连通性而非智能体总数，且特定网络下增规模不会提升混沌行为概率。
2023-12-19 cs.AI cs.GT cs.MA
Randomised Optimism via Competitive Co-Evolution for Matrix Games with Bandit Feedback
School of Computer Science, University of Birmingham（计算机科学学院，伯明翰大学）
针对未知收益矩阵的老虎机反馈双人零和矩阵博弈，提出融合进化算法的竞争协同进化老虎机学习算法CoEBL，首次证明该类算法可实现次线性遗憾，且实验表现优于多种经典老虎机算法。
2025-05-19 cs.AI cs.GT cs.LG
Today Me, Tomorrow Thee: Efficient Resource Allocation in Competitive Settings using Karma Games
ETH Zurich（苏黎世联邦理工学院）
我们提出了一种新型的协调机制，多个代理之间的分配有限的资源，如分配时隙通过一个十字路口。我们考虑这样一种设置，其中我们将一个计数器与每个代理相关联，我们称之为业力值，并且其中存在一个已建立的机制来基于代理交换业力来决定资源分配。这个想法是，代理人可能倾向于通过使用今天的资源，以换取业力，这将使他们更容易在未来要求资源使用。为了了解这样的系统是否可以健壮地工作，我们只设计协议，而不是代理的策略。我们采取博弈论的角度来看，并计算相应的策略的纳什均衡的游戏。我们发现，令人惊讶的是，纳什均衡的社会的自利代理人是非常接近的社会福利集中合作的解决方案。这些结果表明，许多资源分配问题可以有一个简单的，优雅的，和强大的解决方案，假设一个因果报应会计机制的可用性。
2019-07-22 cs.AI cs.GT cs.MA
The Machine Psychology of Cooperation: Can GPT models operationalise prompts for altruism, cooperation, competitiveness and selfishness in economic games?
University College London（伦敦大学学院）；Middlesex University（密德萨斯大学）
本研究通过GPT-3.5在囚徒困境和独裁者博弈中测试LLM能否将合作、利他等自然语言提示操作化为相应行为，发现其在一次性博弈中表现较好，重复博弈中合作模拟体呈现条件互惠，后期模型还表现出利他行为，为LLM在合作任务中的应用提供了证据。
2024-06-29 cs.AI cs.CY cs.GT
Emergent Communication under Competition
Mila（米拉研究所）；Université de Montréal（蒙特利尔大学）；Schwartz Reisman Institute（施瓦茨·赖斯曼研究所）；University of Toronto（多伦多大学）；Deepmind（深度思维）
现代机器学习中的文献对于使用标准RL学习竞争代理之间的通信只有负面结果。我们引入了一个修改后的发送者-接收者的游戏，研究频谱的部分竞争的情况下，并显示通信确实可以出现在一个有竞争力的设置。我们实证证明了未来研究的三个关键要点。首先，我们表明，通信是成比例的合作，它可以发生部分竞争的情况下，使用标准的学习算法。其次，我们强调沟通和操纵之间的区别，并将以前的沟通指标扩展到竞争案例。第三，我们研究了谈判游戏，其中以前的工作未能学习独立代理之间的通信（曹等人，2018年）。我们表明，在这种情况下，双方代理人必须受益于沟通，它的出现，并且，稍微修改的游戏，我们展示了成功的竞争代理人之间的沟通。我们希望这项工作能推翻误解，并激发更多的研究竞争性新兴通信。
2021-01-25 cs.AI cs.LG cs.MA
Memory-Induced Supra-Competitive Outcomes Between Deep Reinforcement Learning Agents in Optimal Trade Execution
Institute of Finance and Technology, University College London（金融与技术研究所，伦敦大学学院）；UZH Blockchain Center（苏黎世大学区块链中心）
本文研究了在共享的最优执行环境中交互的深度强化学习代理是否能维持超竞争性结果，即在实现短损方面优于博弈论竞争基准。研究了一个双代理阿尔梅伦-克里斯特流动性清算游戏，并探讨了学习行为如何依赖于回合内环境反馈、解读中间价格的能力以及代理对过去的了解。我们首先使用事前调度学习代理来去除回合内反馈，以确定当代理在执行开始前承诺完成清算轨迹时会发生什么。然后允许代理使用多种DDQN架构根据演进的状态进行条件判断。我们发现，当代理能够访问回合内历史，特别是近期价格和自身过去行为时，超竞争性结果变得更加频繁和持久。这些发现表明，这种执行游戏中的超竞争性行为并非由多代理学习或当前价格观察单独驱动，而是由反馈、记忆和沿实际执行路径的状态依赖性交互驱动。
2026-05-19 cs.AI q-fin.CP
Moody Learners -- Explaining Competitive Behaviour of Reinforcement Learning Agents
Italian Institute of Technology (IIT)（意大利理工学院）；Universidad Central de Chile（智利中央大学）；Deakin University（迪肯大学）
设计参与竞争互动的人工智能体的决策过程是一项具有挑战性的任务。在竞争场景中，智能体不仅具有动态环境，而且还直接受到对手行为的影响。观察智能体的Q值通常是解释其行为的一种方式，然而，并不显示所选动作之间的时间关系。我们通过提出\emph{Moody framework}来解决这个问题。我们评估我们的模型进行了一系列的实验，使用竞争性的多人厨师帽纸牌游戏，并讨论我们的模型如何让代理人的获得一个整体的代表性的竞争动态的游戏。
2020-07-30 cs.AI cs.LG cs.MA
Robo-Saber: Generating and Simulating Virtual Reality Players
Aalto University（阿alto大学）；University of California, Berkeley（加州大学伯克利分校）；NVIDIA；Simon Fraser University（西蒙弗雷泽大学）
Robo-Saber通过生成和模拟虚拟现实玩家行为，为VR游戏测试提供了一种基于风格范例和数据集训练的运动生成系统。
2026-09-30 cs.AI cs.GR cs.HC
Minimax Exploiter: A Data Efficient Approach for Competitive Self-Play
McGill University（麦吉尔大学）；Ubisoft Montreal（育碧蒙特利尔）
本文提出 Minimax Exploiter，通过博弈论方式利用对手知识提升竞争性自博弈的数据效率，并在多种游戏环境中验证其稳定性和优于强基线的表现。
2023-11-28 cs.AI cs.LG cs.MA
Stackelberg Games for Learning Emergent Behaviors During Competitive Autocurricula
The University of Washington（华盛顿大学）
本文提出ST-MADDPG算法，将双人MARL问题建模为Stackelberg博弈，利用领导者优势缓解环境不对称性，提升共同进化质量，生成能对抗未知强敌的复杂策略。
2023-05-04 cs.AI cs.GT cs.MA
Winning Isn't Everything: Enhancing Game Development with Intelligent Agents
EA Sports, Electronic Arts（美国艺电公司EA Sports部门）；EA Digital Platform – Data & AI, Electronic Arts（美国艺电公司EA数字平台-数据与人工智能部门）
最近，有几个引人注目的成就，智能体学会了与人类玩游戏并击败他们。在本文中，我们研究的问题，培训智能代理服务的游戏开发。与为“击败游戏”而构建的代理不同，我们的代理旨在产生类似人类的行为，以帮助进行游戏评估和平衡。我们讨论了两个基本的指标，我们衡量的基础上，人的相似性的代理，即技能和风格，这是多方面的概念与本文概述的实际意义。我们报告了四个案例研究，其中的风格和技能要求告知用于训练代理的算法和指标的选择;从A* 搜索到最先进的深度强化学习。我们进一步表明，最先进的深度强化学习模型的学习潜力不会从基准环境无缝转移到目标环境，而不会严重调整它们的超参数，导致工程工作和计算成本随着目标域的数量而线性缩放。
2020-04-28 cs.AI cs.LG cs.MA
Neural Policy Style Transfer
Universidad Carlos III de Madrid (UC3M)（马德里卡洛斯三世大学）
该研究提出神经策略风格迁移NPST算法，将风格迁移概念拓展至深度强化学习控制策略，通过逆强化学习基于用户演示训练不同Q网络架构的策略，在接球游戏与人形机器人绘画场景中验证了方法的有效性。
2024-02-01 cs.AI cs.LG cs.NE
