StratFormer：不完美信息博弈中的自适应对手建模与利用
人工智能
2026-04-29 v1
摘要
我们提出了 StratFormer，一个基于 Transformer 的元智能体，通过两阶段课程学习在不完美信息博弈中同时建模并利用对手。第一阶段训练一个对手建模头，在智能体执行博弈论最优（GTO）策略的同时，从动作历史中识别行为模式。第二阶段在逐对手正则化调度的引导下，逐步将策略转向最佳响应（BR）利用，该调度与可利用度挂钩。我们的架构引入了双回合 token——在智能体与对手决策点共同构建的特征向量——并结合了在五种战略情境下编码对手倾向的桶率特征。在 Leduc Hold'em（一种包含六张牌与两轮下注的小型扑克变体）上，我们针对六种对手原型在两个强度级别上进行测试，其可利用度范围为每手 0.15 至 1.26 大盲注（BB）。StratFormer 在 GTO 基础上实现了平均每手 +0.106 BB 的利用增益，对高度可利用的对手峰值增益达 +0.821，同时保持近均衡安全性。
引用
@article{arxiv.2604.25796,
title = {StratFormer: Adaptive Opponent Modeling and Exploitation in Imperfect-Information Games},
author = {Andy Caen and Mark H. M. Winands and Dennis J. N. J. Soemers},
journal= {arXiv preprint arXiv:2604.25796},
year = {2026}
}
备注
Accepted at Computers and Games 2026