已验证65% 置信事件精确时间
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）
3
来源数
65%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
AI如何攻克不完全信息博弈？Tactico实战全解析
redditr/reinforcementlearning2026/7/11
相关事实
待验证反事实遗憾最小化（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。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。55% 相似待验证SynthID-Text的锦标赛采样设计与概率论中的Gumbel-max trick有深刻联系54% 相似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54% 相似待验证抽象泄漏的典型场景包括分布式训练卡在all-reduce、混合精度导致梯度溢出、自定义算子不被支持。52% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/491879API
curl https://kongchang.com/api/v1/knowledge/claims/491879MCP
get_claim(id=491879)