AlphaZero em Jogos com Recompensas Esparsas: Limites e Supervisão Auxiliar

arXiv:2607.08984v1 Tipo de Anúncio: novo Resumo: O AlphaZero demonstrou que uma Busca em Árvore Monte Carlo guiada por rede neural pode alcançar desempenho sobre-humano, mas jogar bem não implica necessariamente jogar de forma perfeita. Estudamos essa lacuna em dois domínios avaliáveis por oráculo com estruturas contrastantes: Connect Four, um jogo partidário resolvido com valores exatos da teoria dos jogos, e Chomp, um jogo imparcial cujo jogo ótimo é regido pela estrutura do número de Grundy. Sob um pipeline unificado de auto-jogo $+$ MCTS, co...