AI战略优化方法提升扑克博弈表现

发生了什么

据arXiv cs.AI发布，研究提出Strategic Preference Optimization方法（SPOKE），旨在提升AI在隐藏信息扑克博弈中的战略质量并降低可利用度。研究评估了静态基线和三种语言模型：SmallThinker, Qwen3, 和 Gemma-3，发现SPOKE在Kuhn（0.213）和Leduc（1.081）博弈中实现最低平均可利用度，并在六人游戏中获得最高第一名协议（0.775），同时保持与SFT相当的教师KL值（0.522 vs 0.523）。