Contexte et objectif

Drop7, souvent cité comme le meilleur jeu de puzzle, propose un défi d'optimisation combinatoire où chaque coup dépend d'une pièce aléatoire. La recherche présentée vise à créer une IA capable d'atteindre le million de points qu'un joueur humain expérimenté peut réaliser, en utilisant une recherche expectimax de profondeur variable.

Méthodes d'évaluation

Les auteurs comparent plusieurs approches : un leaf hand‑written (évaluateur manuel) intégré à une recherche depth‑4, des tables de lookup apprises sur des millions de parties auto‑jouées, et un petit réseau de neurones exécuté à chaque feuille. Les tables apprises couvrent dix millions de motifs par ligne complète et incluent des fenêtres de petite taille conditionnées par l'horloge de montée. Elles sont entraînées par différence temporelle sur le moteur Rust pendant quatre milliards de coups.

Résultats expérimentaux

Le 5 septembre 2026, une version évaluateur appris (identifiée RS‑20260905T215332Z‑95d18a5a) a battu le leaf manuel dans le même cadre de recherche depth‑3, obtenant 484 577 points contre 314 438 sur 256 parties jamais vues, soit un gain moyen de +170 139 points (intervalle de confiance bootstrap 95 % : +130 499). Sur 512 parties, le même évaluateur a atteint 487 066 points contre 326 717, avec 330 victoires contre 182. Une version élargie contenant 5,8 × 10⁹ entrées a atteint 481 869 points sur le même lot, soit un gain de +155 153. En comparaison, le leaf manuel à profondeur 4 obtenait 377 803 points, donc les tables apprises surpassent ce référentiel de plus de 84 000 points.

Lorsque les tables apprises sont utilisées comme leaf à profondeur 4, le score monte à 516 155 points contre 465 675 pour la même table à profondeur 3, soit un gain de +50 479. Le gain marginal entre profondeur 3 et 4 reste toutefois inconclusif (intervalle –40 932 à +42 867). Les expériences montrent que l'amélioration provient davantage de la qualité du leaf que de l'augmentation de profondeur, la recherche depth‑4 effectuant 36 fois plus de travail logique que depth‑3.

Limites et perspectives

Malgré ces avancées, les scores restent inférieurs à la cible d'un million de points. Le tier d'évidence (SCREEN) repose sur des graines de développement publiques, sans validation sur des seeds protégés, ce qui limite la généralisation. De plus, les tables restent sous‑entraînées sur les configurations de plateau les plus remplies (0,98 % des motifs de colonne à sept hauteurs jamais mis à jour). Les auteurs prévoient donc d'explorer un leaf entraîné spécifiquement pour le contexte de recherche (plutôt que pour le jeu en un coup) et d'étendre l'évaluation à un tier STANDARD sur de nouvelles graines.