Een onderzoeker heeft een geavanceerde AI-agent ontwikkeld voor de GLEE-competitie, waarbij klassieke speltheoretische modellen worden gecombineerd met Bayesiaanse modellering en taalmodellen om menselijke en kunstmatige tegenstanders te overtuigen.
In een recent gepubliceerd wetenschappelijk document beschrijft onderzoeker Hayden Arnold de architectuur van een agent die is ontworpen voor de GLEE-competitie. De agent is specifiek ontwikkeld om complexe interacties aan te gaan, waaronder onderhandelingen, bargaining en persuasie-spellen, tegen een diverse pool van zowel menselijke als AI-tegenstanders. Volgens de publicatie op arxiv.org rust het systeem op drie fundamentele pijlers: een speltheoretische solver voor numerieke beslissingen, een Bayesiaanse laag voor het analyseren van tegenstanders en een taalmodel voor de communicatie.
Integratie van theoretische modellen
Om effectieve numerieke zetten te berekenen, maakt de agent gebruik van gevestigde speltheoretische kaders. Voor bargaining-scenario's wordt het Rubinstein-model toegepast, terwijl voor onderhandelingen gebruik wordt gemaakt van de concessie-strategie van Faratin. Voor persuasie-spellen implementeert de agent de onthullingsmethode van Kamenica-Gentzkow.
De uitdaging bij deze theoretische modellen is dat strikt optimale strategieën in de praktijk vaak slecht presteren wanneer ze worden geconfronteerd met echte, onvoorspelbare tegenstanders. Om dit op te lossen, heeft Arnold twee extra lagen toegevoegd. De eerste is een online Bayesiaanse laag die probeert de verborgen kenmerken van de tegenstander te schatten, zoals de betrouwbaarheid van signalen, de reservatiewaarde of de discountfactor.
De rol van morele retoriek en taal
Naast de numerieke berekeningen zet de agent een taalmodel in om berichten te formuleren. Hierbij wordt gebruikgemaakt van een Thompson sampling bandit-algoritme dat kiest uit vijf verschillende morele kaders (moral-foundation framings). Dit wordt gekoppeld aan een spectrum tussen intuïtie en bewijsvoering om de juiste toon en register van de boodschap te bepalen.
De effectiviteit van deze aanpak is uitgebreid getest. De onderzoeker voerde 13.200 Monte Carlo-simulaties uit tegen elf verschillende synthetische archetypen van tegenstanders. Daarnaast is er een analyse uitgevoerd van 9.337 berichten uit live-games. Uit deze data blijkt dat het gebruik van morele retoriek in persuasie-instellingen sterk gecorreleerd is met het succes van de transactie; specifiek of een koper uiteindelijk overging tot aankoop. Deze correlatie bleef significant, zelfs wanneer er werd gecontroleerd voor variabelen zoals de kwaliteit van het bericht, de ronde waarin het werd verzonden en de configuratie.
Academische erkenning en context
Het onderzoek naar deze agent is geaccepteerd voor presentatie tijdens de eerste Workshop on Interpreting Agent Behavior (IAB) op de NeurIPS 2026 conferentie, zoals vermeld in de documentatie op . De focus van het werk ligt niet alleen op het behalen van resultaten, maar ook op het identificeren van faalmodi en het bouwen van vangrails om de prestaties van theoretisch optimale polices in live-omgevingen te verbeteren.
Hoewel de agent is ontworpen voor strategische competitie en complexe sociale interacties, verschilt dit fundamenteel van commerciële gaming-platforms. Waar sites zoals agame.com zich richten op recreatieve multiplayer-ervaringen en puzzelgames voor een breed publiek, richt de GLEE-competitie zich op de wetenschappelijke grens van AI-onderhandeling en psychologische beïnvloeding.
De volledige technische details, inclusief de gebruikte bewijsvoering en de statistische analyse van de persuasie-resultaten, zijn beschikbaar via de open-access database van .