arXiv cs.AI· Phurinat Polasa, Thanapon Thanadunpremdet, Phatthanasak Kraiduang, Saksorn Ruangtanusak·· 1 天前AI 评分36
SPOKE：基于偏好优化的 AI 智能体扑克策略训练方法
Teaching AI Agent to Play Poker Strategically Through Preference Optimization
AI 导读
研究者提出结合 KL 锚定均衡的策略偏好优化方法 SPOKE，用于训练扑克 AI 智能体在隐藏信息下做出策略性行动。
来源：arXiv cs.AI · arxiv.org