标签
本文研究了在不完美信息纸牌游戏中训练轻量级强化学习智能体的设计选择，使用固定的基于规则的专家作为基准，针对金拉米和勒德克德州扑克。研究发现，信任区域更新、精心设计的奖励、课程学习、热启动和检查点保留能提升性能，而奖励塑形和大语言模型对手等几种常见技术并无帮助。