“about their recent efforts towards generalized game solving”
Student of Games: A unified learning algorithm for both perfect and imperfect information games
结合引导搜索、自博弈与博弈论推理的通用博弈算法(Student of Games)
论文提出 Student of Games,一个把引导搜索、自博弈学习和博弈论推理结合起来的通用算法,统一了此前在完全信息博弈(搜索加学习)和特定不完全信息扑克变体(博弈论推理加学习)上的各自方法。作者证明该算法是可靠的:随着计算和近似能力提高,会收敛到完美博弈。它在国际象棋和围棋上表现很强,在单挑无限注德州扑克中击败了最强的公开可用智能体,并击败了不完全信息游戏 Scotland Yard 上的最优智能体。
HN 评论在讨论通用博弈求解时把它(及其前身 Player of Games)当作 DeepMind 在完全与不完全信息博弈上做统一算法的代表,并强调扑克这类游戏更需要博弈论方法。
学习路径
读这篇之前,按顺序读书架上的 3 篇 · 参考文献来自 OpenAlex,顺序和要点由 Claude Code 排出先看自我对弈强化学习在完全信息博弈里的做法,再看不完全信息博弈里的两条路线,最后读统一二者的 Student of Games。
- 1
完全信息博弈里引导搜索加自我对弈的代表,Student of Games 要统一的一半就是它。
读自我对弈训练与基于神经网络的蒙特卡洛树搜索。
- 2
不完全信息博弈里用自我对弈逼近纳什均衡的方法。
读神经虚拟自我对弈如何在不完全信息下学习近似均衡。
- 3
不完全信息博弈里用博弈论推理加搜索的代表,Student of Games 要统一的另一半。
读在子博弈里做持续再求解,以及用学到的价值函数截断搜索。
- 4Student of Games: A unified learning algorithm for both perfect and imperfect information games
目标论文:统一完全与不完全信息博弈的学习算法。
读算法如何结合引导搜索、自我对弈与博弈论推理,以及各个博弈上的实验。
HN 书评
推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及“See the Deep Mind "Player of Games" paper from last year for an agent that takes a more game theoretic approach, which is probably needed for "simpler" games like Poker, that we can play to higher levels of accuracy: Student of Games”
“Player of Games Student of Games”
- Player of Games ↗vatueil · 2021-12-08 · 364 分