研究了通过算法学习计算尽可能易于人类实现的扑克策略，并得出了几条基本规则。

Dec, 2016

本文介绍了改进的Counterfactual regret minimization（CFR）算法，包括折扣遗憾值、迭代加权和非标准遗憾值最小化等四个变量，我们的新算法在大规模现实环境下的每个游戏中都优于之前的方法CFR+。另外，与CFR+相比，我们的算法更容易应用于现代的不完美信息游戏修剪技术和采样方法。

Sep, 2018

研究了在顺序不完美信息游戏中遵循规则的领导者动态，推广了 Poincaré 循环结果，并探讨了通过调整奖励来建立收敛保证的技术，进而构建了精确收敛到 Nash 平衡的算法，为零和二人不完美信息游戏的无模型算法提供了新思路。

Feb, 2020

本文通过对顺序贝叶斯博弈的理解，提出了一种名为公共状态 CFR（PS-CFR） 的算法，能够有效地解决类似德州扑克等复杂博弈的问题，同时在极限复杂度方面获得了二次降低的优势，同样也成功地将这一算法用于推广到广泛的对弈游戏中。

Dec, 2021

通过将序列团队游戏转化为经典二人零和游戏，并提供三种信息不损失抽象，本文有效地应用了现有算法于互弈博弈中。

Jan, 2022

本研究探讨了面对多个对手的策略交互游戏，使用对手建模和观察对手策略等技术，超越纯理性策略的表现。

Dec, 2022

研究表明，通过公开玩家策略，可以从常见的收益游戏中摆脱不完美的信息，但同样的方法不能应用于两人零和游戏，该论文提出利用正则化平衡的方法来解决这个问题，以便计算这些均衡点可以被视为完美信息问题。

Jan, 2023

我们介绍和分析了子游戏分解中过滤历史的计算方面和可处理性，揭示了深度有限搜索通过子游戏分解在不完全信息环境下进行顺序决策的时机和方式。

Nov, 2023

我们研究了带有状态约束和单侧信息的零和微分博弈，其中被告知的玩家（玩家1）具有未知于未告知玩家（玩家2）的分类奖励类型。玩家1的目标是在不违反约束的情况下最小化他的奖励，而玩家2的目标是要么违反状态约束，要么最大化奖励。我们的理论贡献是将这一结果扩展到带有状态约束的微分博弈，并导出计算行为策略所必需的原始和对偶子动态规则。与现有关注可伸缩性和泛化性的不完全信息动态博弈研究相比，我们关注的是揭示由于信息不对称和状态约束而导致的信念操纵行为的机制。我们使用简化的足球比赛来证明这项工作的实用性，我们揭示了攻击者应该（或不应该）在特定随机虚假行动中利用信息不对称的玩家位置和信念状态，并计算出防守者应该如何应对。

Mar, 2024

通过经验研究我们发现，在不完全信息游戏中，一个较小数量的不同状态样本比重复取样少量状态更为重要，以获得更大的回报。

Jul, 2024