arXiv · cs.CY（AI+教育/社会）· Daniel S. Epstein·2026-10-26 12:00· 8 天前AI 评分47

用传统兵棋推演裁决方法改进 AI 评判与评分

Thumb on the scale: Using traditional wargaming adjudication practices to improve AI-judged evaluations and grading

AI 导读

研究将 11 项兵棋推演实践映射到 AI 评估失效场景，并在 9 局 AI 裁判推演、378 个玩家行动上测试裁决方法：同一骰点下，Opus 5 与 Gemini 3.1 Pro 重跑在 Semi-Rigid 规则下改变 3%–6% 的结果，Free 规则下改变 14%–16%。