清华 AAArena 基准：Opus5.5 摘 12 个对抗游戏半数金牌
THU-CST-SAST · hf · 2026-10-12
清华大学团队提出对抗式启发学习（AHL）范式与 AAArena 基准，让 AI Agent 在模型权重固定的前提下，通过解读规则、选择对手、分析复盘来迭代改进可执行的游戏策略。核心内容：
- 基准含 12 个真实对抗游戏和 1,920 份人类历史程序档案，评估协议模拟真实游戏赛事，Agent 需在固定对局与评估预算内冲榜。
- 测了 7 种模型+框架配置：Claude Opus 5.5 搭配 Claude Code 拿下 6 枚金牌，但没有配置能登顶其余 6 个游戏的人类天梯。
- 规则越复杂的游戏 Agent 表现越弱；实验显示对手选择与密集反馈能促进策略改进，Agent 既能从自己对局（on-policy）复盘学习，也能从他人对局（off-policy）复盘学习。
- 结论：启发式学习在对抗游戏中潜力可观，但游戏理解、策略实现与长程策略迭代仍是持续挑战。
所属事件:清华 AAArena 基准:AI Agent 靠复盘学游戏,Opus5.5 获半数金牌(2 条相关)→
「编程与Agent」频道最新
- 22 分钟用 Claude Code 自动剪视频,HyperFrames 工作流走红 — toolstelegraph · 2026-10-12
- 独立开发者上线多语言宣传视频 Skill,单买 4.99 美元 — yihui_indie · 2026-10-12
- AI 客服裁员 33 人后，公司想把 Human-in-the-Loop 推广到销售侧 — chenggiskhann · 2026-10-12
- shadcn:软件重心正迁移到「意图」层,构建产品要围绕它 — shadcn · 2026-10-12
- DataTalks 播客两连发:好模型为何败于生产,LLM 评审如何校准 — Al_Grigor · 2026-10-12
- 工具调用返回 200 不等于 agent 真做成了:读完回写验证法 — Several-Yellow2713 · 2026-10-12