Forskning testar AI-agenter i militär taktikplanering med spelteori

arXiv cs.AI

Forskare har byggt COA-Bench, ett testramverk där AI-agenter spelar ut militära taktikscenarier mot varandra (så kallad self-play) för att utvärdera hur väl olika planeringsstrategier håller under motstånd. I 50 syntetiska scenarier lyckades en fientlig RED-agent sänka BLUE-sidans vinstfrekvens från 92 till 82 procent – och ett råd av fem BLUE-agenter med intern kritik och revision klarade sig ungefär lika bra. Det intressanta här är egentligen inte resultaten i sig, utan att teamet öppet redovisar en designbugg de hittade och fixade, vilket är ovanligt ärligt för den här typen av forskning.