跳到正文
arXiv 棋牌与经典游戏 AI 检索· Phurinat Polasa·· 2026-10-19精选AI 评分34

研究者提出 SPOKE,用策略偏好优化训练扑克智能体,在 Kuhn 和 Leduc 上取得最低平均可利用度

Teaching AI Agent to Play Poker Strategically Through Preference Optimization

AI 导读

研究者提出 SPOKE(Strategic Preference Optimization with KL-anchored Equilibrium)方法,在 SmallThinker-4B-A0.6B 策略的三次运行中,它在 Kuhn 和 Leduc 上取得最低平均可利用度 0.213 和 1.081,六人桌 top-1 一致率为 0.775。

推荐理由

论文把 SPOKE 与 SFT、DPO、GRPO、GSPO 放在一起做了比较,并给出在 Kuhn 和 Leduc 上的平均可利用度数值,读者可据此判断该方法与其他策略优化方法的差异。

来源:arXiv 棋牌与经典游戏 AI 检索 · arxiv.org