待验证50% 置信事实精确时间
反事实遗憾最小化（CFR）是一种迭代算法，通过最小化反事实遗憾来逼近纳什均衡，已成为不完全信息博弈（如德州扑克）的主流求解方法。
1
来源数
50%
置信度
长期有效
时效性
2026/10/29
首次发现
来源
涉及实体
相关事实
待验证反事实后悔最小化（CFR）由Zinkevich等人在2007年提出，最初用于求解大规模不完全信息博弈的纳什均衡79% 相似待验证隐藏信息博弈在博弈论中被定义为不完全信息扩展式博弈，其理论均衡解法如CFR（反事实遗憾最小化）在Stratego规模下计算开销几乎不可实际部署72% 相似已验证2017年卡内基梅隆大学开发的Libratus在无限注德州扑克中击败顶级职业选手，核心算法为反事实遗憾最小化（CFR）68% 相似待验证MCCFR（Monte Carlo CFR）通过在每次迭代中只采样部分博弈路径来降低单次迭代成本，使CFR能扩展到更大规模的博弈68% 相似待验证MCTS不依赖领域特定的评估函数，而是通过大量模拟来评估局面价值，因此在扑克这类信息不完全的游戏中，常与对手建模、虚拟遗憾最小化（CFR）等技术结合使用。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1110817API
curl https://kongchang.com/api/v1/knowledge/claims/1110817MCP
get_claim(id=1110817)