用于游戏中更佳实力估计的多技能等级策略

准确估计人类技能水平对于设计有效的人机交互至关重要，以便AI能够提供适当的挑战或指导。在AI玩家已击败顶尖人类职业选手的游戏中，实力估计在调整AI行为以匹配人类技能水平方面发挥着关键作用。在先前的一项最先进研究中，研究人员提出了一种使用人类玩家对局数据训练的实力估计器。给定一些对局，实力估计器计算实力分数，并使用它们来估计玩家排名（技能等级）。在本文中，我们关注人类玩家的行为倾向随其实力而变化的观察结果，并旨在通过考虑这一点来提高实力估计的准确性。具体来说，除了实力分数，我们还从使用人类玩家对局数据训练的神经网络中获取不同技能等级的策略。然后，我们将基于这些策略的特征与实力分数相结合来估计实力。我们在围棋和国际象棋上进行了实验。对于围棋，我们的方法在给定10局对局时，实力估计准确率达到80%，当给定20局对局时，准确率提高到92%。相比之下，先前的最先进方法在10局对局时准确率为71%，20局对局时为84%，显示出8-9%的提升。我们在国际象棋中也观察到了类似的提升。这些结果有助于开发更准确的实力估计方法，并改善人机交互。