清华论文评测AI智能体从对局回放学习游戏策略：可登顶人类榜单但复杂规则下多停滞

清华大学最新论文发现，通过比赛回放改进游戏机器人的 AI 智能体可以登上人类排行榜榜首，但在规则复杂的游戏上大多会陷入停滞。

让 AI 从有限的比赛场次中学习获胜策略仍然很困难，尤其是在面对不断变化的对手时。

他们基于清华大学年度机器人构建大赛的 12 款游戏构建了 AAArena，并以 1,920 个存档的人类程序作为对手。一个编码智能体在模型权重不变的情况下，阅读规则、选择对手、研究回放，并在比赛预算内重写其机器人。

在全部 3 款测试游戏中，详细回放都优于仅基于胜负的反馈。借助回放，一个吃豆人机器人达到了第 1 名，而没有回放时仅排第 11 名。

将比赛预算提高到三倍，并未使 4 个陷入停滞的机器人中的任何一个升至第 1 名。

– arxiv. org/abs/2610.12341

标题：《AI 智能体能通过学习登顶吗？在一场长期运行的游戏智能体竞赛中评估启发式学习》