2026 · 预印本
RevengeBench：通过行为实验逆向恢复代码形式的策略
RevengeBench: Reverse Engineering Code-Space Policies from Behavioral Experiments
使用五种游戏环境中的 75 个合成策略，测试智能体能否通过行为轨迹和自行设计的对手探测恢复可执行决策策略，并衡量留出状态上的动作一致性及后续对抗价值。
研究范围与局限
目标是固定的合成策略，不是完整游戏或自适应对手。有限评测状态上的动作一致性不能唯一确定源码，部分环境的方差较大。公开包未包含部分仅用于论文的绘图与消融实验；复现还需要 CodeClash、容器运行时和模型访问。
与本合集的关联
为智能体辅助的行为逆向工程与主动实验设计提供游戏领域基准。
发表与核查详情
- 发表载体
- arXiv
- 发表状态
- 预印本
- 出版／提交日期
- 2026 年 6 月 24 日
- 日期依据
- 采用 arXiv v1 的首次提交日期；AIWILD 非存档研讨会接收不构成另一出版日期。
- arXiv 首次提交
- 2026 年 6 月 24 日
- arXiv
- 2606.26094
- 已核对的 arXiv 版本
- v1
- DOI
- 10.48550/arXiv.2606.26094
已被 ICML 2026 的第二届 Agents in the Wild（AIWILD）非存档研讨会接收：其 OpenReview 记录于 2026-05-23 发布，并由 2026 年 7 月 11 日研讨会的 ICML 页面链接。研讨会征稿说明采用非存档政策，因此本条目保留 arXiv 预印本及首次提交日期。仓库与一位作者的发表列表也记载了该接收信息。产物属于官方项目，但文档明确未包含的实验不视为已发布。
来源核查于
本合集仅核对来源，未重新运行论文实验。请通过原始论文或 BibTeX 引用原作者。