SambaGraph：足球战术反应建模的动作反应时空图

足球战术是交互式的：进攻动作改变对手的防守问题，观察到的反应取决于多智能体的比赛状态。我们介绍 SambaGraph，一个动作-反应时空图数据集和足球战术反应建模的基准。根据 2022 年 FIFA 世界杯所有 64 场比赛的跟踪和事件数据，我们策划了 4,070 个以动作为中心的片段，表示为时间对齐的 23 节点球员-球图序列，具有攻击/防御视图、响应标签和 26,270 个分割安全攻击-防御对。我们研究三个问题：是否可以从图事件中对观察到的响应进行分类，是否可以针对查询攻击检索成功的防御，以及图派生的摘要是否支持扎根的 LLM 推理。紧凑的签名 MLP 获得 $0.796\pm0.007$ 宏 F1 用于响应分类，而融合图签名双编码器达到 $0.471\pm0.029$ Hit@5 和 $0.655\pm0.051$ Hit@10 用于全库防御检索。硬阴性最大化了配对歧视，但没有最大化检索质量。本地大语言模型在直接分类方面的表现不如监督编码器，并且在八个候选者重新排名中没有比强大的原始顺序有所改进，但它们提供了扎实的战术原理。这些结果使 SambaGraph 成为基于图的足球策略响应研究的可重复基准。代码和数据集可在以下位置获得：此 https URL。