通过结合混合专家模型与蒙特卡洞树搜索提升棋类游戏表现

在棋类游戏中，策略在不同阶段（开局、中局、残局）都会发生剧变——每一阶段都需要不同的推理和决策方式。然而，许多现代棋类引擎依赖单一神经网络在整个游戏中统一作战，往往错失专业化的机会。本文引入了M2CTS框架，结合混合专家模型（Mixture of Experts）与蒙特卡洞树搜索（MCTS），以根据游戏阶段动态调整策略。我们探讨了三种不同的神经网络训练方法：分离学习（Separated Learning）、阶段性学习（Staged Learning）和加权学习（Weighted Learning）。通过通过为每个阶段训练的专用神经网络进行路由决策，M2CTS在计算效率和棋力方面均取得提升。在棋类游戏实验中，M2CTS相对于标准单模型基线提升了最高可达+122 Elo分，同时在Pommerman等多智能体领域显示出良好的泛化能力。这些结果表明，模块化、阶段感知的系统更符合游戏的结构性特征，使我们更接近于人类在将问题划分为多个小单元方面的行为方式。