AI-agenter lärde sig slå människor i 6 av 12 spel – men inte mer

arXiv cs.AI

Forskare testade om AI-agenter kan förbättra sina egna spelstrategier genom att analysera matchreplay och revidera sin kod – utan att träna om modellen. I ett nytt benchmark med 12 motspelsspel och 1 920 arkiverade mänskliga program lyckades Claude Opus med Claude Code vinna 6 guld, men klarade inte topplacering i de resterande 6 laddorna där människor fortfarande dominerar. Intressant nog tappade agenterna mark i spel med mer komplexa regler, vilket antyder att det är spelförståelsen – inte inlärningsmekanismen – som är flaskhalsen.