标签
RadonBench 是一项新基准，用于比较经典搜索方法与学习引导的搜索方法（穷举扩展、贪心局部搜索、PatternBoost、AlphaZero、AlphaEvolve）在构造最大基数的无 Radon 格点构型方面的表现。所有经审查的运行均未达到 Z^3 中 11 个点或 Z^4 中 21 个点这两个尚未解决的目标，但该研究为人工智能辅助数学发现建立了可复现的、接近目标的基线。
普林斯顿的研究人员利用 AlphaZero 算法的自然语言类比，训练了一个 40 亿参数的 LLM，使其国际象棋水平达到 2700 Elo。通过架构与算法上的创新，该模型还能准确解释自己的每一步走法。作者表示，这项技术可推广至其他游戏、机器人以及计算机操作等领域。
本文评估了基于AlphaZero启发的强化学习在电力网络拓扑控制中的应用，实现了98.43%的生存率，并强调了与领域启发式最小化集成的有效性。
本文以四子棋和Chomp为测试平台，研究了AlphaZero在稀疏奖励游戏中强对弈与完美对弈之间的差距，并提出了一种辅助损失（AZAL）以提高最优对弈中的Oracle一致性。
本文介绍了WallZero，一个基于AlphaZero的双人棋盘游戏WallGo的智能体，它能够击败职业围棋选手，并用于分析游戏平衡性和策略。
本文分析了 AlphaZero 的价值预测如何受到自我对弈训练数据和噪声的影响，并质疑尽管 AlphaZero 在实证中表现强劲，其预测值是否能可靠地评估对阵不同风格对手时的胜率。