待验证60% 置信事实精确时间

DeepMind在AlphaStar中采用联赛训练（League Training），维护包含不同水平和风格历史版本的对手池以避免过拟合到单一策略

2

来源数

60%

置信度

长期有效

时效性

2026/8/7

首次发现

来源

M.A.R.A：用强化学习从零训练会战斗的AI坦克

相关事实

待验证DeepMind在《星际争霸II》中使用了大规模分布式训练集群，因为单机无法在可接受时间内完成训练75% 相似已验证DeepMind的AlphaStar使用人类对局数据进行行为克隆初始化，再通过自我对弈强化学习达到职业选手水平74% 相似待验证DeepSeek的部分模型限制用其输出去训练竞争模型71% 相似待验证AlphaGo是DeepMind强化学习路径的标志性成果，但其泛化能力高度受限于训练环境70% 相似待验证DeepMind、Tesla Optimus、Unitree 等团队均采用了强化学习驱动的运动控制方案69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/699283

API

curl https://kongchang.com/api/v1/knowledge/claims/699283

MCP

get_claim(id=699283)