Nov, 2024

利用弱神经网络掌握NIM和无偏游戏：一种类似AlphaZero的多帧方法

HTML
PDF
TL;DR本研究解决了AlphaZero风格强化学习算法在NIM这一公正游戏中学习最优策略的困难问题。我们提出通过考虑游戏的历史信息，可以使这些受限的AlphaZero模型在理论上实现NIM的最优玩法。研究结果显示，合理设计的受限神经网络能够在其基本计算能力看似不足的领域内实现复杂的决策制定。
发现论文，激发创造
  • 通过学习模型规划，掌握雅达利、围棋、国际象棋和将棋

    本文提出了MuZero算法，它通过结合基于树的搜索和学习模型实现了对一系列具有挑战性且视觉复杂的领域的超人类表现，在57款不同的Atari游戏上以及对Go、国际象棋和象棋等游戏的测试中，都表现出了与AlphaZero算法相当的性能，而无需知道游戏规则。

    Nov, 2019

  • 基于深度强化学习和搜索算法的不完全信息博弈组合

    本文介绍了ReBeL，它是一种通用的强化学习和搜索框架，并在任何两人零和博弈中证明收敛于纳什平衡。同时，使用比任何先前的扑克AI更少的领域知识，ReBeL在无限制德州扑克中实现了超人类性能。

    Jul, 2020

  • 启发式搜索通过测试时间获得更快的训练——AlphaZero启发式游戏学习

    本文提出了一种AlphaZero启发的MCTS包装器，将其与时间差异学习智能体相结合，在不需要GPU或TPU等高性能计算资源的情况下，在多个复杂的游戏中成功打败强劲对手，取得了显著优势。

    Apr, 2022

  • 公正博弈：强化学习的挑战

    本文介绍了 AlphaZero 和 MuZero 的算法，探究了它们的局限性，并提供了新的瓶颈测试方法以解决 AlphaZero 在某些博弈游戏中学习能力不足的问题，并发现 AlphaZero 在解决 nim 游戏时会面临严重的问题。

    May, 2022

  • DanZero: 强化学习在关弹游戏中的应用

    本文介绍了一种基于加强学习技术的 AI 程序 DanZero，使用分布式框架训练其在类似于斗地主但更复杂的关打游戏中的表现，表现出出色的性能。

    Oct, 2022

  • 超越任务执行的评估：分析AlphaZero在Hex中的概念

    使用自然语言处理中的两种评估技术，探究了AlphaZero在Hex游戏中的内部表示，研究发现MCTS在神经网络学习之前就发现了相关概念，而短期终局规划概念对应最终层，长期计划对应中间层。

    Nov, 2022

  • AlphaZero 中的有针对性搜索控制以实现有效策略改进

    使用Go-Exploit进行AlphaZero的搜索控制，从而提高样本效率和性能，并相对于KataGo等其他策略展示出了更加有效的搜索控制策略。

    Feb, 2023

  • 超越游戏：神经蒙特卡罗树搜索应用的系统综述

    本研究回顾了129篇关于神经蒙特卡罗树搜索方法在除游戏外的领域应用的同行评审文章，旨在系统评估此类方法在实践中的构造方式，以及它们在其他领域中是否成功应用。研究发现这类方法在各种领域中都有应用，采用了多种不同的学习策略和价值函数指导搜索树，并且采用了不同的训练方法。本文扫描了神经蒙特卡罗树搜索算法家族在实践问题中的现有景象，这是针对特定问题及要求设计此类算法的更加原则性的步骤的开端。

    Mar, 2023

  • DanZero+: 强化学习在贯蛋游戏中的统治力

    利用人工智能在复杂的卡牌游戏关单中开发了一个名为DanZero的AI程序，通过强化学习技术和分布式训练框架，以及采用预训练模型来改善性能，DanZero表现出卓越的性能。

    Dec, 2023

  • 使用深度强化学习和行为规范掌握官旦游戏

    提出了一种名为GuanZero的框架，通过蒙特卡洛方法和深度神经网络使AI代理能够掌握Guandan游戏，主要贡献在于通过精心设计的神经网络编码方案调节代理的行为，通过与最先进的方法进行比较证明了该框架的有效性。

    Feb, 2024