标签
来自MIT、卡内基梅隆大学、纽约大学和斯坦福大学的研究人员开发出一款AI，它以压倒性优势击败了顶级人类Stratego玩家，采用的高效训练方法比DeepMind等先前方案便宜得多。该系统发表于《自然》杂志，可推广到其他策略类游戏，有望辅助现实世界中不确定性下的决策，如商业谈判和网络安全。
本文介绍了PokaiTrainer，一个用于竞技Pokémon VGC的AI代理，它扩展了信念状态搜索以处理同步动作和随机结果，在实时排位赛中获得了高Elo评分。
FootsiesGym是一个开源环境，用于研究非平凡的双人零和不完全信息博弈。它基于极简格斗游戏Footsies构建，提供向量化模拟器以支持高效训练，并对多种强化学习算法进行了基准测试。
本文构建了收购竞标作为信息不完全的拍卖博弈模型，并利用博弈论求解器和强化学习研究最优尽职调查策略，发现PPO和PPG在大规模博弈中表现有效，同时给出了尽职调查边际收益为零的可计算阈值。
EMAgnet针对大型两人零和游戏中的策略梯度自我博弈引入了参数空间指数移动平均正则化，与均匀正则化目标相比，实现了更低的可利用性。
麻省理工学院研究人员合著的一篇论文表明，通用策略梯度算法在不完全信息博弈中可以胜过专门的博弈论算法，挑战了该领域长期以来的假设。
本文提出了一个针对四人制不完美信息纸牌游戏Big 2的自我对弈强化学习框架，比较了策略梯度和基于价值的方法，并发现带有熵正则化的PPO优于其他方法。
作者认为扑克是AI代理被低估的基准测试，因为它测试了不确定性下的推理、适应能力和风险管理，并介绍了一个即将推出的AI扑克竞技场，构建者可以在其中提交机器人进行竞争。