Mxplainer：通过仿真麻将智能体来解释与学习洞见
人工智能
2026-01-21 v2
摘要
人类需要内化AI智能体的技能以提升自身能力。本文聚焦于麻将这一多人游戏，涉及不完全信息，需在随机性与隐藏信息中进行有效的长期决策。尽管AI研究者已开发出多款达到专业水平的麻将智能体，但这些智能体常被视为黑箱，难以从中提炼洞见。本文引入Mxplainer，一种可参数化的搜索算法，可转换为等价神经网络以学习黑箱智能体的参数。实验表明，在人类与AI智能体上，Mxplainer分别实现了超过92%和90%的top-three动作预测准确率，同时提供的忠实且可解释的近似方法优于决策树方法（top-three准确率34.8%）。这使Mxplainer能够提供关于智能体特征的策略层面洞见，以及针对单个决策的可操作、逐步解释。
引用
@article{arxiv.2506.14246,
title = {Mxplainer: Explain and Learn Insights by Imitating Mahjong Agents},
author = {Lingfeng Li and Yunlong Lu and Yongyi Wang and Qifan Zheng and Wenxin Li},
journal= {arXiv preprint arXiv:2506.14246},
year = {2026}
}
备注
https://doi.org/10.3390/a18120738