本研究在人机合作游戏 Hanabi 中单盲评估了基于规则和基于学习的人工智能代理团队。结果表明，尽管两种团队在比赛得分上没有显著差异，但在案例理解性、信任度和总体偏好等主观评估指标上，人类普遍更喜欢基于规则的人工智能伙伴（SmartBot）而不是最先进的基于学习的人工智能伙伴（Other-Play），这对未来的人工智能设计和加强学习基准测试具有启示作用。

Jul, 2021

通过基于遗传算法构建基于规则的代理程序，本文针对获得产业重要奖项并受到学术界关注的合作式卡牌游戏 Hanabi 在 CIG 2018 会议上进行了两轨的比赛，成功优于以往的成绩表现。

Sep, 2018

该研究提出了一种基于深度多智能体强化学习方法，即 Simplified Action Decoder（SAD），它通过利用集中式训练阶段解决了训练过程中策略非常难以观察的问题，从而在 Hanabi 挑战赛的部分元素中，建立了一个新的 SOTA，提高了理解其他网络的能力。

Dec, 2019

本文提出了两种搜索技术，分别是单智能体搜索和多智能体共同知识搜索，在合作部分可观察游戏中应用，以提升合作智能体的性能。在 Hanabi 基准挑战问题中，两种技术均能大幅提高每个测试智能体的性能，并对使用 RL 训练的策略产生了新的最先进得分 24.61/25。

Dec, 2019

利用深度强化学习，包括全局奖励预测、指导预测和运行时策略自适应等新技术设计了名为 Suphx 的 AI 麻将程序，并在性能上超过了大多数顶尖的人类玩家，在 Tenhou 平台上被评为超过 99.99% 的所有官方排名人类玩家，标志着计算机程序首次在麻将中超越了大多数顶尖的人类玩家。

Mar, 2020

多人游戏的独特挑战在于均衡策略的非唯一性和代理人执行高度次优策略的风险。本文首次解决了多人对称标准形式游戏中的这些挑战，给出了 AI 代理人应该找到的正确解决方案以及能够证明解决该类游戏的通用算法框架。我们还证明了许多先前实用系统中开发的元算法甚至无法实现基本目标，即获得代理人的总奖励的平等份额。

Jun, 2024

本文介绍了 Allen AI 科学挑战赛及其在人工智能系统接近人类智能方面的结果与收获。

Apr, 2016

近年来，机器学习方法在围棋、雅达利和扑克变体等游戏中取得了超越人类的表现。本研究探讨了桌面游戏 Dominion 的特性，并讨论了它作为下一代强化学习算法基准的适用性。同时，我们介绍了 Dominion Online 数据集，包含由经验丰富的玩家在 Dominion Online 网页服务器上玩过的 200 万个游戏。最后，我们引入了一个基于 RL 的基准机器人，使用现有技术击败了常规启发式机器人，并在性能上与之前最强的机器人 Provincial 有着竞争性的表现。

May, 2024

通过同步训练所有层次的简单 k 级别推理适应，我们可以在 Hanabi 中获得具有竞争力的零射协调和特定的临时团队玩法表现，包括与类人代理机器人配对。

Jul, 2022

该研究介绍了使用新的 AlphaZero 算法以及无领域知识的方式进行强化学习，让计算机在三个领域的棋类游戏：围棋、象棋和将棋中均以超级专业水平进行游戏。

Dec, 2017