KrwEmd：修正忘却一切中的 imperfect-recall 抽象
人工智能
2025-11-18 v1 计算机科学与博弈论
摘要
过度抽象是解决大规模不完全信息游戏时，手工抽象中的一个关键挑战——这类游戏如 Texas hold'em，因其完全丢弃历史信息而损害 AI 性能。本文提出了 KrwEmd，第一个针对该问题的实用算法。我们首先引入 k-recall winrate 特征，该特征不仅通过利用未来和关键的历史游戏信息来定性区分信号观察信息组，还定量地捕捉它们的相似性。随后，我们开发了 KrwEmd 算法，该算法利用地毯距离（earth mover's distance）衡量特征之间差异，并对信号观察信息组进行聚类。实验结果表明，KrwEmd 显著优于现有算法提升了 AI 游戏表现。
引用
@article{arxiv.2511.12089,
title = {KrwEmd: Revising the Imperfect-Recall Abstraction from Forgetting Everything},
author = {Yanchang Fu and Qiyue Yin and Shengda Liu and Pei Xu and Kaiqi Huang},
journal= {arXiv preprint arXiv:2511.12089},
year = {2025}
}