LUDOBENCH：ルドのスポットベースのボードゲーム状況を通じてLLMの行動的意思決定を評価する

要旨: ダイスのメカニクス、駒の捕獲、安全マスのナビゲーション、ホームへの進行といった要素が、意味のある計画の複雑さを生み出す確率的なマルチエージェント・ボードゲーム「ルード（Ludo）」におけるLLMの戦略的推論を評価するためのベンチマーク、LudoBenchを導入します。LudoBenchは、行動上の性質が異なる12の意思決定カテゴリにまたがって合計480の手作りスポット（状況）シナリオを収録しており、それぞれが特定の戦略的選択を分離しています。さらに、Random、Heuristic、Game-Theory、LLMエージェントをサポートする、4人用の完全に機能するルード・シミュレータも新たに提供します。ゲーム理論エージェントは、深さ制限付きの先読みを行うExpectiminimax探索を用いて、貪欲なヒューリスティックを超える、原理に基づいた戦略的上限を提示します。4つのモデルファミリにまたがる6つのモデルを評価したところ、いずれのモデルもゲーム理論のベースラインと一致するのは40〜46%の時間にとどまることが分かりました。モデルは異なる行動的アーキタイプに分かれます。すなわち、駒を完成させるが開発を怠る「完了者（finishers）」と、開発するが一度も完成しない「建設者（builders）」です。これらのアーキタイプは、ゲーム理論の戦略のそれぞれをわずか半分しか捉えられていません。さらに、同一の盤面状態に対して、履歴に条件付けした恨み（grudge）型のフレーミングを行うことで、モデルに測定可能な行動の変化が現れ、プロンプト感度が主要な脆弱性であることを示します。LudoBenchは、不確実性のもとでのLLMの戦略的推論をベンチマークするための、軽量で解釈可能な枠組みを提供します。すべてのコード、スポット・データセット（480件）、およびモデル出力は https://anonymous.4open.science/r/LudoBench-5CBF/ で利用可能です。