PerfectDou:以完美信息蒸馏主导斗地主

作为一种具有挑战性的多人纸牌游戏,斗地主近期因可用于分析不完美信息博弈中的竞争与协作而备受关注。本文中,我们提出 PerfectDou,一个最先进的斗地主 AI 系统,该系统以所提名为完美信息蒸馏的技术在 actor-critic 框架下主导该游戏。具体而言,我们采用完美训练-不完美执行框架,允许智能体利用全局信息来指导策略训练,仿佛其为完美信息博弈,且训练所得策略可用于实际对局中的不完美信息博弈。为此,我们刻画斗地主的纸牌与博弈特征以表征完美与不完美信息。为训练我们的系统,我们在并行训练范式下采用带广义优势估计的近端策略优化。实验中我们展示了 PerfectDou 为何及如何击败所有现有 AI 程序,并达到最先进性能。