Adversarial Heuristic Learning: KI-Agenten lernen ohne Modellgewichte

AHL: Lernparadigma ohne Modellgewichte

Ein neues Paper formalisiert Adversarial Heuristic Learning (AHL) als Lernparadigma, bei dem KI-Agenten als Lernmaschinen fungieren. Statt Modellgewichte anzupassen, überarbeiten die Agenten Spielstrategien und unterstützende Software, um aus begrenzten Spielerfahrungen zu lernen. AHL baut auf dem Konzept des Heuristic Learning (HL) auf und erweitert es auf adversariale Szenarien. Der Ansatz adressiert die Schwierigkeit, aus wenigen Samples Strategien zu lernen und anzupassen, indem er die Spielerfahrung direkt in Revisionen ausführbarer Politiken umwandelt. Die Modellgewichte bleiben dabei unverändert; gelernt wird auf der Ebene der Heuristiken und des umgebenden Codes. Damit positioniert sich AHL als Alternative zu klassischen Methoden wie heuristischer Suche oder Reinforcement Learning, die typischerweise Gewichtsanpassungen erfordern. Die Formalisierung liefert einen Rahmen, um zu untersuchen, wie KI-Agenten ohne internes Feintuning ihre Leistung in Wettbewerbsspielen verbessern können.

AAArena: Benchmark mit 12 Spielen und 1.920 Programmen

Für die Evaluation führt das Paper den Benchmark AAArena ein. Dieser umfasst zwölf authentische adversariale Spiele sowie 1.920 archivierte menschliche Programme. Das Evaluierungsprotokoll orientiert sich an realen Spielwettbewerben: Agenten müssen Spielregeln interpretieren, Gegner auswählen, Replays analysieren und ihre Spielagenten überarbeiten. Ziel ist es, innerhalb fester Match- und Evaluierungsbudgets den höchstmöglichen Rang zu erreichen. Die archivierten menschlichen Programme dienen als Referenz und Gegnerpool. Durch die Orientierung an realen Wettbewerbsbedingungen soll der Benchmark realistische Anforderungen an adaptive Agenten stellen. Die zwölf Spiele decken unterschiedliche Komplexitätsgrade ab, was eine differenzierte Bewertung der Lernfähigkeit ermöglicht. AAArena bietet damit eine standardisierte Umgebung, um Fortschritte im Adversarial Heuristic Learning messbar zu machen und verschiedene Konfigurationen systematisch zu vergleichen.

Opus5.5 holt sechs Goldmedaillen, menschliche Leiter bleiben vorn

Die ersten Evaluationsergebnisse zeigen: Die Konfiguration Opus5.5 mit Claude Code erreicht sechs Goldmedaillen. Keine der evaluierten Konfigurationen übertrifft jedoch die verbleibenden sechs menschlichen Spitzenreiter. Die Leistung fällt generell schwächer aus, wenn Spiele komplexere Regelspezifikationen aufweisen. Weitere Experimente belegen, dass Gegnerauswahl und dichtes Feedback die Verbesserung der Politik unterstützen. Zudem lernen die Agenten sowohl aus On-Policy-Replays eigener Matches als auch aus Off-Policy-Replays von Matches anderer Spieler. Diese Befunde deuten darauf hin, dass AHL in bestimmten Spielen bereits konkurrenzfähig ist, aber bei hoher Regelkomplexität noch hinter menschlichen Leistungen zurückbleibt. Die Ergebnisse liefern eine erste quantitative Grundlage für die Bewertung des Paradigmas und zeigen Ansatzpunkte für künftige Verbesserungen, etwa bei der Verarbeitung komplexer Regeln oder der Auswahl geeigneter Gegner.