TY  - JOUR
TI  - Scalable decision-making for games of imperfect information
UR  - https://www.nature.com/articles/s41586-026-11036-y
DO  - 10.1038/s41586-026-11036-y
DA  - 2026-09-30
KW  - Juju Radar
KW  - 强化学习
KW  - 不完全信息博弈
KW  - 待阅读
N1  - 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。
ER  -