arXiv · AI· Ajay Vikram Periasami, Anjaneya Gupta, Ethan Cheng, Ivan Rosales·· 6 小时前AI 评分25
Balatro 强化学习：高速模拟器与双策略训练方法
Reinforcement Learning for the Game of Balatro: A Fast Simulator and Two-Policy Training Approach
AI 导读
针对 Balatro 游戏提出双策略 PPO 训练管线，包含基于 Rust 构建的高通量模拟器与战术、策略分离的智能体架构。 训练结果显示双策略模型首关通关率收敛至 99% 以上，平均最大 Ante 达到 3，且避免了单智能体基线的震荡失效。 该研究确立了双策略分解作为应对长时序策略规划的强反应基线，为后续 RL 应用提供了有效路径。
来源：arXiv · AI · arxiv.org