MindGames Arena Generalization Track: In2AI Solution with Delayed Per-Step Reward Attribution

En 3 lignesMéthode d'attribution retardée de récompenses par étape pour entraîner des agents LLM en interaction multi-agent stratégique. Un modèle open-source 8B entraîné avec cette approche a surpassé GPT-5 et remporté les deux catégories (Open et Efficient) du benchmark MindGames Arena à NeurIPS 2025.

Résumé généré par Claude — vérifié par l'humain