Inner-Learning：从 Skat 游戏中硬编码信念到声明式知识的建模

提出 Skat 卡牌游戏中信念状态建模的声明式方法，通过提取硬编码推理规则改进胜率。 使用领域专用语言提取规则，引入基数约束（at-most-k 和 at-least-k 边界），并连接置信度参数实现概率信念更新。 自我博弈评估显示，该引擎在获胜率和得分上优于原硬编码引擎，各规则模块均贡献效果。