★ 2
SPOKE：偏好优化训练扑克策略 AI 智能体
论文评估 SmallThinker、Qwen3、Gemma-3 等模型在扑克博弈中的策略表现，提出 SPOKE 方法，结合教师相对价值惩罚、策略锚定、风险约束与结构化理由监督。在 SmallThinker-4B-A0.6B 上，SPOKE 在 Kuhn 与 Leduc 取得最低可利用度，六人桌 t…
arXiv cs.AI12 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文评估 SmallThinker、Qwen3、Gemma-3 等模型在扑克博弈中的策略表现，提出 SPOKE 方法，结合教师相对价值惩罚、策略锚定、风险约束与结构化理由监督。在 SmallThinker-4B-A0.6B 上，SPOKE 在 Kuhn 与 Leduc 取得最低可利用度，六人桌 t…