面向通用博弈的快速且无需知识的深度学习（学生摘要）
人工智能
2023-12-22 v1
摘要
我们开发了一种将 AlphaZero 模型适配于通用博弈（GGP）的方法，该方法侧重于更快的模型生成，并需要从游戏规则中提取较少的知识。数据集生成使用 MCTS 对弈而非自对弈；仅使用价值网络，并用注意力层替换卷积层。这使我们能够放弃对动作空间和棋盘拓扑的任何假设。我们在 Regular Boardgames GGP 系统中实现了该方法，并表明我们可以高效地构建出在大多数游戏中优于 UCT 基线的模型。
引用
@article{arxiv.2312.14121,
title = {Fast and Knowledge-Free Deep Learning for General Game Playing (Student Abstract)},
author = {Michał Maras and Michał Kępa and Jakub Kowalski and Marek Szykuła},
journal= {arXiv preprint arXiv:2312.14121},
year = {2023}
}
备注
AAAI-24 Student Abstracts