Mahjax：JAX中用于强化学习的GPU加速麻将模拟器
人工智能
2026-05-21 v1 机器学习
摘要
Riichi麻将是一款多玩家、不完美信息的游戏，具有随机性和高维状态空间，这些属性构成了与复杂现实决策问题相似的挑战，后者在强化学习中备受关注。虽然先前的研究主要依赖于从人类游戏日志中进行的监督式学习来预训练策略，但能够从零开始学习的算法（tabula rasa）的潜力更大，正如AlphaZero系列所示。为促进此类研究，我们引入了\textbf{Mahjax}，一个在JAX中实现的完全向量化的Riichi麻将环境，旨在在图形处理器（GPU）上实现大规模 rollout 并行化。我们还提供了高质量的可视化工具，以简化调试并与训练好的智能体进行交互。实验结果表明，在无红牌和红牌规则下，Mahjax分别在8个NVIDIA A100 GPU上实现了最高可达\textbf{200万}和\textbf{100万}步每秒的吞吐量。此外，我们通过显示智能体能够有效地提高其排名来验证了该环境对强化学习的实用性。
引用
@article{arxiv.2605.20577,
title = {Mahjax: A GPU-Accelerated Mahjong Simulator for Reinforcement Learning in JAX},
author = {Soichiro Nishimori and Shinri Okano and Keigo Habara and Sotetsu Koyamada and Eason Yu and Masashi Sugiyama},
journal= {arXiv preprint arXiv:2605.20577},
year = {2026}
}