SafeAdapt-Poker 论文：对手偏移下预算化自适应方法

Miaobo Hu 等发布 SafeAdapt-Poker 论文，针对德州扑克中对手行为变化导致历史信息失效的问题，将预算化自适应建模为双反事实序列控制，用风险模型与预算状态模型权衡即时偏离收益与未来适应价值，并以累计 KL 账本约束相对冻结策略的总偏离。 论文报告的结果包括：在 exact Leduc 上全控制器获得匹配弱池收益 +0.0718、最差对手偏移 -0.0126；相同会话预算下，将延迟机会捕获率从短视分配的 0.6318 提升到 0.7841；在 abstract-HUNL 交叉对局中达到 +42.7 mbb/hand。方法仅使用每次决策前可获得的信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。