Ataraxos：在看不到对手棋子的游戏里作判断
Scalable decision-making for games of imperfect information
稳定自博弈策略结合对隐藏棋子的信念抽样与行动前搜索。论文报告击败顶尖Stratego选手，真实世界迁移仍未验证。
相关期次：2026-10-01 精选
阅读笔记
Ataraxos结合稳定的自博弈策略学习、对隐藏棋子的信念模型，以及每步行动前的搜索。Nature论文报告对顶尖Stratego选手20局15胜1负4平，训练成本为几千美元，并展示Barrage Stratego、Hanabi和斗地主结果。核心新意不是把局面全穷举，而是随可见信息抽样可能暗牌并优化当前落子。真人对局样本有限，成本比较来自作者，游戏内成绩不能直接推出真实谈判或军事决策能力。Nature 2026年9月30日发表。
原文：https://www.nature.com/articles/s41586-026-11036-y
本期资料页：https://www.asteronline.cn/juju-radar/2026-10-01/
AI辅助整理。
笔记记录收录当期的判断。阅读一手材料不等于独立复现；后续进展请以原始来源为准。