Inner-Learning：吃墩牌类游戏中从手写信念到声明式知识

研究人员提出一种针对吃墩牌类游戏的声明式信念建模方法 Inner-Learning，能从顶尖 Skat 引擎中自动提取手写推理规则至领域特定语言，并修复原引擎中的 3 处 bug。该方法进一步引入基数约束与置信度参数，统一专家策略并将符号规则与概率信念更新相结合。自对弈评估显示，声明式引擎在胜率和得分上均超越原本的手工编码引擎。