arXiv cs.AI· Phurinat Polasa, Thanapon Thanadunpremdet, Phatthanasak Kraiduang, Saksorn Ruangtanusak·· 13 天前AI 评分35
通过偏好优化训练 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，用于提升紧凑型 AI 智能体在不完全信息扑克博弈中的策略水平。在 SmallThinker-4B-A0.6B 的三次测试中，SPOKE 在 Kuhn 和 Leduc 环境中取得最低的平均可被剥削度 0.213 与 1.081，并在六人桌达成最高的 top-1 一致性 0.775。
来源：arXiv cs.AI · arxiv.org