Ataraxos 在 Stratego 中达到超人级表现，研究团队公开更高效的隐藏信息决策方法

这次有什么变化

Nature 发表 Ataraxos 研究：系统结合自博弈强化学习、信念模型和测试时搜索，在 20 局对抗中以 15 胜 1 负 4 平击败高水平 Stratego 冠军，并以数千美元级训练成本完成。团队还把同类方法用于 Barrage Stratego、Hanabi 和斗地主；论文说明的是受控游戏环境中的通用决策方法，向现实谈判、市场或安全任务迁移仍属于后续研究方向。