AssistanceZeroは、カリフォルニア大学バークレー校のStuart Russell研究チームが2025年に発表したアルゴリズムで、人間だけが真の目標を知り、支援側のagentはそれを知らないまま協力しなければならないassistance game(支援ゲーム)を大規模な環境で解く手法である。AlphaZero方式の探索と人間の行動を予測するモデルを組み合わせ、支援agentが人間の行動を観察して目標を推定し、自らの行動を調整する。
研究チームはMinecraftで人間と一緒に建物を建てる環境を構築して手法を検証した。支援agentが目標に関する不確実性を保ちながら人間のフィードバックに適応するよう学習する点で、固定された報酬を最適化する一般的な強化学習とは区別される。