微软麻将 AI 论文发布

上，Suphx 采用另一种基于规则的模型，来决定是否宣布赢家并进行下一轮，检查是否赢牌可以从其他玩家丢弃的牌中来判断，或者从排墙上抽出来的牌来判断。

据介绍，Suphx 的训练过程一共分为三步。

首先，它的 5 个模型都使用从「天凤」平台收集的顶级人类玩家的日志进行训练。

然后，使用包含一套基于 CPU 的麻将模拟器和基于 GPU 的轨迹生成推理引擎，通过自我博弈强化学习对系统进行微调。

最后，在在线游戏期间，使用运行时策略调整被

 

将牌局中，对手的信息都是未知的，因此，Suphx 尝试了先知教练技术来提升强化学习的效果。在自我博弈的训练阶段，利用隐藏信息引导模型训练方向 ，从而增强 AI 模型对可见信息的理解，并找到有效的决策依据。

评估 ：5760 场角逐，创造十段纪录

在实验之前，团队在 44 个 GPU (包括 4 个 Nvidia Titan XPs 用于参数服务器，40 个 K80s 用于自我博弈玩家)上，使用 150 万次牌局，对每个模型进行了为期两天的训练。

该团队对 20 个 Nvidia Tesla K80 GPU 上的 Suphx 进行了评估。为了减小稳定排名的方差，他们从 100 多万场的麻将牌局数据集中，随机抽取了 80 万牌局的数据，并从中进行了 1000 次取样。

评估结果为，在「天凤」平台与人类玩家进行了超过 5760 场比赛后，Suphx 创造了十段的纪录——大约只有 180 个玩家曾经达到过这个水平。而 Su

（编辑：桂林站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!