PureTD

PureTD 模型在无需搜索的情况下取得了出色的双陆棋表现

研究人员开发了 PureTD，一个用于双陆棋 money games 的强化学习模型，该模型在评估时无需搜索即可达到接近最先进的性能。PureTD 仅通过自我对弈进行训练，证明了纯强化学习足以培养出色的双陆棋玩家。在有底池的双陆棋 money games 中，该模型显著优于 GNUbg 和 Open Sage 等开源引擎，即使这些引擎采用了单步前瞻搜索。