跳到正文
arXiv 棋牌与经典游戏 AI 检索· Phurinat Polasa·· 2026-10-19AI 评分28

通过偏好优化教 AI 智能体策略性地玩扑克

Teaching AI Agent to Play Poker Strategically Through Preference Optimization

AI 导读

研究提出策略偏好优化方法 SPOKE,用于训练扑克智能体的策略性决策,并与 SFT、DPO、GRPO、GSPO 对比。在 SmallThinker-4B-A0.6B 策略的三次运行中,SPOKE 在 Kuhn(0.213)和 Leduc(1.081)中平均可剥削性最低,六人桌 top-1 一致率最高(0.775)。

来源:arXiv 棋牌与经典游戏 AI 检索 · arxiv.org