PulseAugur
中
实时 08:52:22
English(EN) Reward-Adaptive Iterative Discovery: A Case Study on Automated Game Testing for NHL26

AI 利用新颖的 RL 方法发现 NHL 26 门将漏洞

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种名为奖励自适应迭代发现 (RAID) 的新颖方法，用于自动化视频游戏中 AI 代理的测试。该方法采用迭代强化学习 (RL) 方法来训练多个进球代理，旨在比传统 RL 方法更有效地发现各种漏洞策略。在对 EA SPORTS NHL 26 开发版本进行的案例研究中，RAID 在一次实验中成功识别了六种不同的得分漏洞策略，其类型与人类测试人员在更长时间内发现的漏洞类型相似。 AI

影响 自动化游戏测试，可能降低开发成本并提高 AI 的鲁棒性。

排序理由 详细介绍新 AI 方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

AI 利用新颖的 RL 方法发现 NHL 26 门将漏洞

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Florian Fuchs, Jessy Gosselin-Grant, Boris Skuin, Michele Petteni, Alessandro Sestini, Joakim Bergdahl, Amir Baghi, Linus Gissl\'en ·

    Reward-Adaptive Iterative Discovery: A Case Study on Automated Game Testing for NHL26

    arXiv:2607.07498v1 Announce Type: cross Abstract: Testing is a major effort for the gaming industry, requiring a significant part of development budget and people power. We present a case study on a development version of the ice hockey game EA SPORTS NHL 26, for which human play…

  2. arXiv cs.AI TIER_1 English(EN) · Linus Gisslén ·

    Reward-Adaptive Iterative Discovery: A Case Study on Automated Game Testing for NHL26

    Testing is a major effort for the gaming industry, requiring a significant part of development budget and people power. We present a case study on a development version of the ice hockey game EA SPORTS NHL 26, for which human playtesters test the goalie AI for behavioral exploits…

相关实体

相关话题