深度分析
超級遊戲理論於多代理系統的感知不一致與層級信念分析
面對多代理系統的感知不對稱與層級信念，研究者系統回顧超級遊戲理論，指出階層與圖形模型在欺騙推理上主導，且HNF應用仍少；同時比較RedQueenGodelMachine與參數化開源博弈，顯示超級遊戲在自我演化與合作誘導上具潛力，有望提升安全防護與人機協同。
深度分析
面對多代理系統的感知不對稱與層級信念，研究者系統回顧超級遊戲理論，指出階層與圖形模型在欺騙推理上主導，且HNF應用仍少；同時比較RedQueenGodelMachine與參數化開源博弈，顯示超級遊戲在自我演化與合作誘導上具潛力，有望提升安全防護與人機協同。
速報
研究聚焦於自我改進代理人在變動評估環境中的表現。Red Queen Godel Machine 以 epoch 為單位，允許效用在階段間演化，並加入代理人即審稿人的代碼審查訊號。實驗顯示，其在程式碼測試、論文寫作與證明評分上均超越既有最佳模型，提升接受率與準確度。