**AI Agent 能否通过启发式学习登顶？长周期博弈竞赛评估**

_Can AI Agents Learn Their Way to the Top? Evaluating Heuristic Learning in a Long-Running Game Agent Competition_

> 该研究提出对抗性启发式学习（AHL）范式，利用 AI Agent 在固定模型权重下通过修订可执行策略来优化博弈表现。团队构建了包含 12 种对抗游戏和 1920 个人类程序的基准 AAArena，模拟真实竞赛环境。实验显示，Opus 5.5 结合 Claude Code 获得 6 枚金牌，但尚未超越所有人类基准；复杂规则游戏表现较弱，且对手选择与密集反馈对策略改进至关重要。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.12341)