ライブストリームでアストラがプルートと対戦したんだけど、アストラは0 - 1000だったよ。 https://x.com/kaimcpheeters/status/2106782151622504911?s=20

プルートがシンプルなCPUで動いてるのに気づいたんだけど、そうなら未来のRTSゲームにはすごくいいね。いろんな難易度のモデルを用意して、プレイヤーが練習できるようにサーバークライアントアーキテクチャで出荷するだけで済む。特定のキャンペーンレベルに調整されたモデルも作れたりするのかな？プルートの制作にはどれくらいコストがかかったんだろう。

48時間のライブストリームをやったんだけど、アストラは43時間でクリアしたよ。ただ、フォーマットが伝統的なトーナメントルールよりもLLMボットに有利だったっていうのは言っておくべきかな。

これらのゲームは実験的なフィードバックをあまり必要としないよ。目標は明確で知られているし；もしそれが問題なら、実験が最適化を促すかもしれない。レール上のコメントについては、LLMの出力の出所を知る良い方法はないけど、LLMが作ったボットは一般的に人間の対応物の非常に小さくてモジュール化された、時には機能化されたバージョンに見える。違いは、LLMがメインの中の条件付きループではなく、しばしば関数を呼び出していることだね。Astraが最初にプレビューされたときに取り組んだFactorioボットは、非常に小さな引数を受け取る機能的で自己サポート型のプログラムのディレクトリみたいなもので、範囲は非常に限られていたし、LLMがディレクトリ検索を事前に防ぐためにそのような機能が存在する場所を指示するagents.mdファイルがあった。だから、「python walk.py N 40」とかで40ユニット北に移動するようなことがあった。HPが減ったり、動きが制限されたりするのを待つ監視役もね。GPT-3の頃にLLM駆動のボット開発を始めたときは、TDDのおかげでなんとか動く巨大でメンテナンス不可能なモノリスができたけど、基本的にはスパゲッティだった。LLMはそういうパラダイムから、小さくて自己封じ込めされたプログラムへとトレンドが移っていると思う。おそらく、そうした方がコンテキスト数に優しくて、結果も良くなるからだね。

ダン・ガント（『パープルウェーブ』の著者）がこのことについて書いてるよ。GPT-6 AstraとClaude Opus 5.5で48時間のテストをしたら、Psionic Stormの面白い使い方が見えた。GPT-Astraの作業をオープンソースにしたんだ（下にリンク）。相手が強くなるにつれて、戦略に興味深い変化があったよ。https://github.com/llmskirmish/starskirmish-hillclimb

前に書いたことをアダプトしたもの: https://x.com/dgant/status/2106880240907620731 スタークラフトのあまりセクシーじゃない視点は、物流のゲームだってこと。 物を作り続けないといけないし、供給がブロックされないようにしなきゃいけない。 建物を全部配置して、ユニットが捕まらないようにして、いいタイミングで全ユニットを戦いに持っていく必要がある。 アストラとオーパスはこのハードルをかなり早くクリアして、どちらも1ベースのドラグーン＋オブザーバー戦法に落ち着いて、拡張をかなり遅くして、3ゲートで進めた。この戦略はどんな相手にも有効だけど、特に強いわけじゃないから、実行力で勝てる相手には勝てる。 StarSkirmishはエージェントにFastApproximation戦闘シミュレーションライブラリへのアクセスを提供して、Bティアボットよりも良い戦闘予測を行わせ、彼らのボットがより効果的に軍を交換できるようにしている。でも、Aティアボット（LocutusとBananaBrain）はすでに実行力が強くて、アストラは彼らに対して進展がなかった。 それで、プロキシ2ゲートゼロットラッシュに切り替えた。 これは主に2人用マップのプールでうまくいった（だからゲートウェイを相手に近くに配置できる）。でも、新しいボットにとっても賢い選択だよね。だって、最初の4分以降にスタークラフトで上手くやる必要がないから！ これはバリエーションを最大化する戦略としても賢い。多くのゲームでは、相手が優れている場合、できるだけ少ないイベントでゲームが決まることを望むから。 悪いコインだと、2回のフリップで1回勝つ可能性が高いけど、20回のフリップでは10回勝つのは難しい。 プロキシ2ゲートはゲームを短縮し、勝つために必要なインタラクションの数を減らす。 フォーマット的に見ても、各ティアの相手に対してシリーズを勝つために無制限の試行ができるから有利だよね。 ゲームをコインフリップにして、さらにコインフリップを増やせれば、全体的に勝率が悪くてもティアをクリアできる。 このStarSkirmishの側面は、将来的に取り上げる価値があると思う。 アストラのプロキシゲートはAティアボットに勝って、StarSkirmishのSティアに上がった（StardustとPurpleWaveだけど、実際にはBananaBrainは能力的に完全に同等だと思う）。 ボットトーナメントについてのちょっとした話: AIIDEカンファレンスや歴史的にCOGトーナメントでは、すべてのボットが数百ゲームを対戦して、全体の勝率でランク付けされていた。 私はこれが好きじゃなかった。なぜなら、人間のスタークラフト（プレイヤーがベスト・オブ・Nシリーズをプレイする）に似ていないし、レースのバランスを崩すから（Zerg対Zergはもっと不安定で、勝率は50%に近くなるべきだし）、いくつかの歪んだインセンティブを生むから。 そのインセンティブの一つは、弱い相手に100%勝つことを確保すること。95%ではなくて。 だから、弱い相手に勝つために信頼できるけど弱い戦略に頼ることになって、よりトリッキーな相手に対して何かを見つけるために多くの戦略を持つことになる。 そして、このStarSkirmishのバージョンでは、ベンチマークボットがゲーム間でデータを保存できないことがほとんどなので、Stardustはほぼ毎回基本的な保守的な戦略を実行していた。 これがStardustを弱体化させたけど、アストラのプロキシゲートが勝つ可能性は低かった。 だからアストラは、コーディングエージェントにとって非常に不快なことをしなければならなかった。 全く違う戦略を試すために、再度設計に戻ること。 アストラは完全に方向転換して、PurpleWaveもStardustに対して使う戦略にたどり着いた。 ダークテンポラを使って拡張を確保すること。 これは特にStardustに対して効果的で、Shuttles + Reaversを使わないから、オブザーバーを作るために必要なロボティクスファシリティからのユーティリティを得られない。 そこからアストラはゆっくりと進行したけど、PurpleWaveとStardustの共通の弱点を発見した。 私たち両方はサイオニックストームを避けるように設計されているけど、その機能が両方のボットで同時に壊れていた（無関係な理由で！）。 だからアストラのダークテンポラオープニングは、ドラグーンとハイテンポラを使った2ベースのタイミングアタックにスムーズに移行した。 3つのストームが貯まったらすぐに出発した。この時点でStardustやPurpleWaveは通常、受動的なアストラを抑え込んで、3つ目のベースを取って、経済的なアドバンテージを得ていたけど、それがまだ軍のアドバンテージにはつながっていなかった。 アストラの受動性は、軍が取引されずに非常に大きくなっていた。 これと壊れたストーム回避が相まって、アストラのサイオニックストームは壊滅的だった。 プロキシゲートラッシュと同様に、この2ベースのタイミングはゲームを簡素化し、アストラがインタラクションと意思決定を最小限に抑えることを可能にした。 だから、特定の状況に最適化してプレイすれば、勝つための良い状態にいることができた。 スカーミッシュする必要はなかった。 アストラが扱わなければならなかったゲーム状態はあまり変わらなかった。 洗練されたボットに対してゲームを簡素化するのは実用的なアプローチだった。 それでも、アストラがこの計画を勝利する評価ランに変換するのに、50時間のコンテストのほとんどを要した。 その時にはReaversを作ってShuttlesで運ぶことを学んだけど、十分にうまくやれていなかったと思う。 その間に勝率は徐々に改善しているように見えたけど、ストリームから何を変えたのかはわからなかった。 最終的にSティアを通過した後、アストラはPlutoに勝とうと数時間の時間があった。 これは明らかに不可能なタスクだったけど、アストラが突然アプローチにほとんど変化がなく停滞しているのを見て驚いた。 アストラのビルドオーダーはかなり欠陥があって、無駄にワーカーをカットしていた。 これは、Stardustが防御的な「シールクラビング」戦略を使わざるを得なかった場合には生き延びられるエラーだったけど、PurpleWaveに対しては（学習データがないため、常に変なチーズ戦略で評価を投げるリスクがあった）。 でも、Plutoに対しては、アストラは常に5分のマークに達する際に、ワーカーが少なく、軍も少なく、拡張もなく、しばしば基地に永久に閉じ込められていた。 これは、Plutoに対する1000回目のゲームでも最初のゲームと変わらなかった。 アストラのStarSkirmishに対するアプローチは、ある意味であまりセクシーじゃなかった。 ゲームを簡素化して、ゲーム状態をシンプルに保てるゲームで主に勝ち、トップの相手に対しては、短時間で圧倒されたり解剖されたりしていた。 でも、スタークラフトで勝つことは、常に派手なトリックよりも地味な基本に関することだったし、ゲームが実際にどうであるかを再学習するのはいつも楽しい。

一般的な「エージェント性」