待验证50% 置信观点精确时间
AlphaGo Zero和AlphaStar的成功让自博弈范式备受推崇，但成功案例往往依赖巨大的计算资源和精心的训练设计。
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AlphaGo Lee先用人类棋谱做监督预训练再用强化学习自我对弈提升，而AlphaGo Zero完全抛弃人类数据纯粹从自我对弈学习并达到更高水平79% 相似已验证AlphaGo击败人类围棋冠军是强化学习的标志性应用76% 相似待验证AlphaStar采用多智能体自我博弈和联盟训练机制，其训练量相当于人类玩家200年的游戏经验76% 相似待验证AlphaStar在2019年在《星际争霸II》欧服达到大师级水平（前0.15%），通过模仿学习与多智能体强化学习的结合实现71% 相似待验证AlphaGo将深度神经网络与蒙特卡洛树搜索（MCTS）相结合，策略网络预测走法，价值网络评估胜率，训练先用人类棋谱监督学习再通过自我对弈强化学习67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1111997API
curl https://kongchang.com/api/v1/knowledge/claims/1111997MCP
get_claim(id=1111997)