arXiv · AI· Phurinat Polasa, Thanapon Thanadunpremdet, Phatthanasak Kraiduang, Saksorn Ruangtanusak·· 4 小时前AI 评分23
SPOKE 方法通过偏好优化提升 AI Agent 扑克策略
Teaching AI Agent to Play Poker Strategically Through Preference Optimization
AI 导读
SPOKE 方法在扑克游戏中取得最优策略表现，SmallThinker-4B 模型 Kuhn exploitability 降至 0.213，Leduc 降至 1.081，六玩家 top-1 agreement 达 0.775。
来源：arXiv · AI · arxiv.org