Vlci a krkavce v Core War: keď osem inštrukcií stačí na favoritov
Ako sme s AI dostali Wolf Ravena a osem inštrukcií dlhého Lone Wolfa medzi favoritov našej arény. Tri rebríčky, skutočné súboje a slabiny ukryté za najlepším priemerom.
Osem inštrukcií. Toľko má Lone Wolf, jeden z bojovníkov, ktorých sme s pomocou AI pripravili do Core War. Napriek tomu sa vo veľkom overení dostal tesne za stoinštrukčného Wolf Ravena a pred pôvodného favorita Kompas. Dobrý nápad sa niekedy zmestí do niekoľkých riadkov.
V mojom projekte Dungeon pracovali agenti v Codexe aj Claude Code. Zadanie bolo konkrétne: navrhnúť bojovníkov, zmerať ich proti pevnej zostave a odovzdať kód aj výsledky. Postupným zlepšovaním vznikli naši vlci a krkavce, tri spôsoby, ako súpera nájsť a vyradiť.
Experiment z 10. októbra 2026, konečné overenie doplnené 11. októbra. Úvodná ilustrácia vlka a krkavca vznikla pomocou AI. Skutočné zábery arény a namerané výsledky sú nižšie. Rozhranie arény je české, grafy sú anglické.
Čo sa nám podarilo
- Wolf Raven a Lone Wolf viedli medzi piatimi porovnávanými programami proti rovnakým 25 súperom. Každý odohral 50 000 zápasov.
- Lone Wolf potrebuje len osem inštrukcií. Dĺžka programu sama osebe veľa nehovorí o jeho sile.
- Raven Scout porazil Wolf Ravena v 71 zo 100 vzájomných zápasov v samostatnom odovzdávacom teste. Najlepší priemer neznamená výhru proti každému.
Aréna, v ktorej prepisujete súperov program
Predstavte si spoločné ihrisko s 8 000 políčkami, z ktorých každé obsahuje inštrukciu. Dva programy sa striedajú vo vykonávaní príkazov a môžu prepísať ľubovoľné miesto vrátane súperovho kódu. Vykonanie DAT ukončí aktuálny proces. Kto príde o všetky procesy, prehral.
Bojovník môže vytvárať ďalšie procesy alebo sa kopírovať inam. Jediný zásah preto nemusí stačiť. Najskôr treba súpera nájsť a potom obmedziť jeho únikové cesty.
AI počas súboja nerozhoduje. Pomáhala programy navrhovať a upravovať vopred. V aréne beží samotný Redcode, malý jazyk podobný assembleru, bez ďalších volaní jazykového modelu.
Kompas v tomto konkrétnom zápase porazil Dwarfa. Farba políčka označuje posledný zapisujúci program. Obrázok vysvetľuje hru, turnajové výsledky potrebujú mnoho zápasov.
Kameň, nožnice, papier s komplikáciami
| Stratégia | Čo robí | Typická slabina |
|---|---|---|
| Bombardér | Rozhadzuje ničivé inštrukcie. | Môže míňať malý alebo presunutý cieľ. |
| Skener | Hľadá stopy a potom útočí. | Pátranie stojí čas a replikátor môže uniknúť. |
| Replikátor | Vytvára kópie a rozkladá riziko. | Účinný čistič dokáže kópie likvidovať. |
| Imp | Neustále kopíruje jednu inštrukciu dopredu. | Často prežije, ale remízy nenahradia výhry. |
Nie sú to zaručené vzťahy. Rozhodujú konkrétne inštrukcie, rozmiestnenie aj zostava. V našej pôvodnej zostave sa darilo najmä skenerom. Práve na toto prostredie sme nováčikov ladili.
Prvý rebríček: pôvodní súperi
Úplný turnaj 26 bojovníkov, každý s každým, obsahoval 32 500 zápasov, teda 2 500 na bojovníka. Prvá desiatka:
| Poradie | Bojovník | Body / 100 |
|---|---|---|
| 1 | Kompas | 230,00 |
| 2 | Scanny Boy | 229,12 |
| 3 | Žnec | 211,72 |
| 4 | Rave | 207,48 |
| 5 | Aeka | 197,24 |
| 6 | Fénix | 190,24 |
| 7 | Core Explorer Paper | 180,24 |
| 8 | Hydra | 177,04 |
| 9 | Flash Paper 3.7 | 169,04 |
| 10 | Bastion | 161,84 |
Skóre nie je percento výhier. Výhra dáva 3 body, remíza 1, prehra 0. Výsledok prepočítavame na 100 zápasov, maximum je 300. Sto remíz znamená 100 bodov, sto výhier 300.
Kto sú naši vlci a krkavce
Wolf Raven, 100 inštrukcií: rýchly úvodný prieskum, presun bojovej časti, hľadanie stôp a následné čistenie. Inštrukcie SPL množia súperove procesy a zahlcujú ho, DAT ich potom ukončujú. Má aj záložného Impa. Vlk a krkavec sú prirovnania k častiam jedného programu, nie dva konverzujúce modely.
Wolf Raven ladí parametre historického programu King Cobra od autora inversed. Na dobrú konštrukciu nadväzujeme, nevyhlasujeme ju za vlastný vynález.
Lone Wolf, osem inštrukcií: rodokmeň vedie od Scanny Boya Davida van Dama cez Kompas vytvorený pri práci s Codexom k ďalším úpravám v Claude Code. Malý cieľ a smer útoku pomáhajú proti Impovi a Dwarfovi. Proti niektorým kombinovaným stratégiám však zaostáva.
Raven Scout, 89 inštrukcií: vychádza z CLRSRC Stefana Kammanna a Forge-AI, ktorý nadväzuje na Eternal Exile od inversed. Po obmedzenom útoku pokračuje v hľadaní. Má iné priaznivé súboje, ale všetci traja nováčikovia patria do širšej rodiny skenerov.
Nie je to kontrolovaný benchmark Codexu proti Claude Code. Líšili sa pracovné postupy, podklady aj predchádzajúca práca. Z výsledkov bojovníkov nemožno určiť všeobecne lepší AI model.
Druhý rebríček: rovnakí súperi pre všetkých
Po zmrazení kódu nasledovalo overenie na 1 000 rozmiestneniach a oboch poradiach ťahov. Z uložených výsledkov som pre hlavné porovnanie vybral rovnakých 25 súperov pre všetkých päť programov, teda 50 000 zápasov na každý:
| Poradie | Bojovník | Body / 100 |
|---|---|---|
| 1 | Wolf Raven | 231,17 |
| 2 | Lone Wolf | 230,85 |
| 3 | King Cobra | 230,32 |
| 4 | Kompas | 226,76 |
| 5 | Raven Scout | 226,55 |
Oba vlky skončili pred Kompasom aj pôvodnou King Cobrou. To ma teší. Wolf Raven však vedie pred Lone Wolfom iba o 0,314 bodu na 100 zápasov. Taký malý rozdiel nie je dôkazom nezvratnej prevahy. Raven Scout je tu tesne za Kompasom.
Prečo 25 namiesto 26? Referenčná zostava obsahuje Kompas, takže porovnávací Kompas by hral aj proti vlastnej kópii. Vyradil som preto tohto súpera rovnako u všetkých piatich programov. Ostatné zápasy sa nemenia. Pôvodné dáta pre 26 súperov nájdete nižšie.
Priemer skrýva slabiny
Každé políčko predstavuje 2 000 zápasov a body na 100 zápasov, nie percento výhier. Šesť súperov je názorný výber, hlavný rebríček používa všetkých spoločných 25.
Wolf Raven s Impom nikdy neprehral, no 1 607 z 2 000 súbojov bolo remízových. Prežíva dobre, ale Lone Wolf v tomto súboji získava viac bodov. Ten zase stráca proti Aece. Takéto informácie sú na ďalšie ladenie užitočnejšie než samotné poradie.
Tretí rebríček: aj proti súrodencom
V samostatnom odovzdávacom teste hral každý nováčik proti 26 referenčným súperom a ďalším dvom nováčikom, celkovo 2 800 zápasov:
| Bojovník | Výhry | Remízy | Prehry | Body / 100 |
|---|---|---|---|---|
| Wolf Raven | 1971 | 468 | 361 | 227,89 |
| Raven Scout | 2045 | 186 | 569 | 225,75 |
| Lone Wolf | 1953 | 294 | 553 | 219,75 |
Raven Scout porazil Wolf Ravena 71:26 s tromi remízami a Lone Wolfa 74:26. Wolf Raven porazil Lone Wolfa 83:16 s jednou remízou. Raven Scout teda vie loviť našich vlkov, ale proti ostatným súperom mu to nestačí na najlepší priemer.
Test obsahuje iba dvojice s aspoň jedným nováčikom. Nie je to úplný turnaj všetkých 29 bojovníkov ani vyhlásenie celkového šampióna.
Čo nefungovalo
Väčšia svorka znela dobre. V spoločnej pamäti si však lovci môžu prepisovať vlastné úkryty alebo sa navzájom zničiť. Viac častí automaticky nezlepšilo výsledok.
Ďalšou pascou bol výber testov. Výborná varianta z malej sady rozmiestnení mohla inde stratiť náskok. Pravidelný krok skenovania sa tiež môže zavádzajúco stretnúť s pravidelnými štartovacími pozíciami. Cenný je celý postup: nápad, meranie, rozbor slabín, úprava a nové overenie. Presvedčivý komentár AI zápasy nenahradí.
Farby označujú posledný zápis, nie trvalé vlastníctvo. Tisíce procesov vysvetľujú, prečo jediný zásah nemusí rozhodnúť.
Súvislosť s výskumom
Digital Red Queen od Sakana AI a MIT tiež používa jazykové modely na vývoj bojovníkov proti rastúcej histórii súperov. My skúmame príbuznú otázku v menšom: ako prostredie formuje úspešnú stratégiu?
Skóre nie je priamo porovnateľné s ich štúdiou. Líšia sa zostavy, evolúcia aj hodnotenie. Test niekoľkých súborov z repozitára by nebol replikáciou publikovaného experimentu. Podrobnosti vysvetľuje práca Digital Red Queen.
Kam ďalej
Chcem úplný turnaj rozšírenej zostavy a potom silných súperov, na ktorých sme vôbec neladili. Zaujíma ma aj dopĺňajúca sa skupina bojovníkov: špecialista môže pokryť slabiny najlepšieho univerzála.
Dokážeme s AI nielen vyrábať viac kódu, ale aj spoznať, ktorý nápad funguje a prečo? Naši vlci sú sľubnou odpoveďou pre jednu arénu. Teraz treba zistiť, čo obstojí aj mimo nej.
Výsledky, kód a podmienky
- Hlavné porovnanie a všetky referenčné súboje (JSON)
- Rebríček spoločných 25 súperov (CSV)
- Pôvodný turnaj 26 bojovníkov (JSON)
- Súhrn odovzdávacieho testu (JSON)
- Podrobné výsledky odovzdávacieho testu (JSON)
- Protokol veľkého overenia (TXT)
- Dáta a naši traja bojovníci v jednom balíčku (ZIP)
- Redcode: Wolf Raven, Lone Wolf, Raven Scout.
Metodika a obmedzenia
Vlastná JavaScriptová implementácia ICWS ’94nop, nie pôvodný pMARS. Pamäť 8 000 buniek, najviac 8 000 procesov na bojovníka, 80 000 kôl (v dueli najviac 160 000 vykonaných inštrukcií), program do 100 inštrukcií. Skóre: (3 × výhry + remízy) / zápasy × 100.
Pôvodný turnaj: seed 6101003, 50 rozmiestnení, obe poradia. Odovzdávací test: seed 20261011, rovnaký počet. Veľké overenie: zrýchlený engine, seed 161803, 1 000 rozmiestnení. Vývojový protokol uvádza 1 900 kontrolných zápasov zrýchleného a referenčného enginu so zhodným výsledkom aj počtom krokov. Nie je to formálny dôkaz ekvivalencie.
Nové pozície obmedzujú preučenie na štarty, súperi sú však známi. Nejde o dôkaz zovšeobecnenia na nevidené stratégie. Neuvádzame intervaly spoľahlivosti a malé rozdiely nevydávame za štatisticky preukázanú prevahu. Balíček obsahuje našich troch bojovníkov a výsledky, nie kompletné spustiteľné prostredie všetkých súperov.