ゲームではなくプールを制す：言語ベース経済ゲームのためのホワイトボックス均衡エージェント

- GLEE Competition 向けの rule-based agent「sudsho」の提案 - bargaining, negotiation, persuasion を扱う language-based economic game 用 - inference-time の LLM call をゼロにした設計 - ゲームは同一 configuration 上の過去プレイ集団(empirical pool)に対する payoff percentile で採点 - pool percentile を demand target に設定 - clamped equilibrium share で demand と acceptance を制約 - 117,280 games で overall rating 2056、inference cost は $0 - 同一 policy の replica を best agent とする account が 71 ranked accounts 中 26 位

- 先行研究との具体的比較は要旨からは不明 - 特徴として inference-time の LLM call を一切行わない点を挙げている - LLM ベースの agent と異なり推論コストが $0 - 単にゲーム内で勝つのでなく、pool に対する percentile 採点を意識した設計(タイトルの Beating the Pool) - pool-aware clamp の効果を frozen snapshot との replay で定量化している点が特徴的

- 全ての move を可視状態の決定論的関数として生成(persuasion mixing を除く) - pool percentile に基づく demand target 設定 - clamped equilibrium share で demand と acceptance を bound - alignment 検証は post-freeze move log を policy に replay して確認 - persuasion のみ mixing を含むため完全決定論ではない

- 117,280 games を実行し overall rating 2056 を達成、inference cost $0 - account は best agent(同一 policy replica)で 71 ranked accounts 中 26 位 - 3 つの frozen opponent pool snapshot に対する replay を実施 - pool-aware clamp が bargaining rating を 1 game 平均 274〜330 点押し上げることを確認 - logged opponent decisions が replay を固定できる条件でも効果が持続

- persuasion mixing があるため全 move が決定論的とは限らない点 - pool 依存の採点設計に対する一般性や、pool 分布が変わった際の頑健性は要旨からは不明 - LLM call ゼロでの性能上限や、他ゲーム種別への転用可能性は要旨からは不明 - 順位(26/71)の解釈や上位との差分要因は要旨からは不明

- GLEE Competition の関連研究(要旨で直接参照されている研究は明示されず) - LLM-based negotiation/bargaining agent の代表的手法 - equilibrium 概念を用いた game-theoretic agent 設計 - percentile/pool-based 評価や replay による alignment 検証の関連研究