对 PvP 游戏中计数类别和评级的在线学习
机器学习
2025-02-07 v1 人工智能
计算机科学与博弈论
多智能体系统
摘要
在竞争游戏中，Elo 等力量评级广泛用于量化玩家技能并支持配对，通过考虑技能差异来比简单赢率统计更好。然而，标量评级无法处理复杂的不可传递关系，例如见于石头-剪刀-布的逆策略。为此，最近的工作引入了神经评级表和神经逆表，将标量评级与离散逆类别组合来建模不可传递性。虽然这些方法有效，但依赖于神经网络训练，无法进行实时更新。本文提出了一种在线更新算法，将 Elo 原理扩展到实时学习逆类别。该方法在每场比赛后动态调整评级和逆关系，保留了标量评级的可解释性，同时解决不可传递性问题。在零和竞争游戏的实验中显示其实际性，特别是在没有复杂团队组成的情境下。
引用
@article{arxiv.2502.03998,
title = {Online Learning of Counter Categories and Ratings in PvP Games},
author = {Chiu-Chou Lin and I-Chen Wu},
journal= {arXiv preprint arXiv:2502.03998},
year = {2025}
}