Ataraxos：不完全信息博弈AI登Nature
先了解这件事
2026年9月30日，Nature的Machine Learning主题报道了一项面向不完全信息博弈的可扩展决策AI系统Ataraxos，该系统针对棋盘战争游戏Stratego设计，为强化学习与搜索在不完全信息下的结合建立了一套有效设计模式，指向在大量隐藏信息条件下仍能实现可扩展决策这一战略决策领域的长期目标。同日，MIT News报道称，MIT、Carnegie Mellon、NYU与Stanford的研究者在Nature发表论文推出Ataraxos，在隐藏信息棋类游戏Stratego上以15-1-4击败世界最强选手，并对顶尖人类选手取得39-2战绩，且训练成本更低。2026年10月1日，The Decoder报道称，Ataraxos在三周对局中以85%有效胜率击败Stratego史上最负盛名的选手Niemeijer，后者曾获四届世界冠军并在世界排名第一超过600周；该报道还称其训练成本不到8000美元。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- The Decoder：AI News精选Ataraxos 击败 Stratego 史上最强人类选手，训练成本不到 8000 美元
研究团队开发的 Ataraxos 在三周对局中以 85% 有效胜率击败 Stratego 史上最负盛名的选手 Niemeijer，后者曾获四届世界冠军并在世界排名第一超过 600 周。
- MIT NewsMIT 等机构发布 Ataraxos，以更低训练成本击败顶尖人类 Stratego 选手
MIT、Carnegie Mellon、NYU 与 Stanford 研究者在 Nature 发表论文，推出 AI 系统 Ataraxos，在隐藏信息棋类游戏 Stratego 上以 15-1-4 击败世界最强选手，并对顶尖人类选手取得 39-2 战绩。
- Nature：Machine Learning 主题Ataraxos：面向不完全信息博弈的可扩展决策 AI
针对棋盘战争游戏 Stratego 设计的 AI 系统 Ataraxos，为强化学习与搜索在不完全信息下的结合建立了一套有效设计模式。该成果发表于 Nature，指向战略决策领域长期追求的目标：在大量隐藏信息条件下仍能实现可扩展的决策。
本事件热度走势
当前热度 18·可比范围峰值 18（10月1日 22:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。