技术
自博弈
让智能体与自身或自身副本反复对弈训练，在对抗中不断进化策略的强化学习方法。
详细解释
自博弈（Self-play）源于博弈论与强化学习，智能体通过与自己历史版本或当前副本对战生成训练数据，并依据胜负更新策略。AlphaGo Zero、AlphaZero 及 OpenAI Five 均采用该范式，在围棋、Dota 等复杂博弈中超越人类水平。其核心优势是无需人工标注即可自动生成难度递增的课程，但需处理策略退化与非传递性博弈等挑战。
别名与相关写法
自博弈
相关术语
self-play共现 9 篇
Agent共现 2 篇
Temporal Knowledge Graph共现 1 篇
Agent Orchestration共现 1 篇
Language Model共现 1 篇
相关公司
相关资讯
SQL-Zero：零标注自博弈文本转SQL训练2026/9/7
CoSTA：协同进化自博弈智能体解时序知识图谱问答2026/10/30
R²Orch：技能内化循环中的自博弈实现智能体编排递归自我改进2026/10/20
SHRED：无专家示范的异构道路使用者自博弈框架2026/10/16
GameSmith：合成游戏扩展零和自博弈训练2026/10/14
SPSD：面向大模型推理的自博弈搜索蒸馏2026/9/28
自动构建 Harness：代码自博弈蒸馏文本搜索策略2026/9/10
开发者用自博弈强化学习在单台 PC 击败《魔兽争霸 III》疯狂 AI2026/10/19