清华 AAArena 基准:AI Agent 靠复盘学游戏,Opus5.5 获半数金牌

清华团队基于其年度 bot 竞赛的 12 款游戏构建 AAArena 评测环境，收录 1920 个历史人类程序作为对手，考察权重固定的 coding agent 能否通关复杂规则游戏。团队同时提出对抗式启发学习（AHL）范式，让 agent 通过解读规则、选择对手、分析复盘迭代改进游戏策略，其中 Opus5.5 在 12 个对抗游戏中摘得半数金牌，但复杂规则仍是难关。

2026-10-11 ~ 2026-10-12 · 2 条相关