arXiv 人工智能· Phurinat Polasa, Thanapon Thanadunpremdet, Phatthanasak Kraiduang, Saksorn Ruangtanusak·· 3 小时前AI 评分32
通过偏好优化教导 AI 智能体掌握德州扑克策略
Teaching AI Agent to Play Poker Strategically Through Preference Optimization
AI 导读
研究人员提出结合 KL 锚定均衡的策略偏好优化方法 SPOKE，用于提升小型 AI 智能体在非完全信息扑克博弈中的策略水平。在 SmallThinker-4B-A0.6B 上的测试显示，SPOKE 在 Kuhn 和 Leduc 扑克中取得最低的平均可利用度（分别为 0.213 和 1.081），并在六人桌达到最高的第一匹配度（0.775）。
来源：arXiv 人工智能 · arxiv.org