待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/8/28

首次发现

来源

用Minimax数据训练神经网络下井字棋：数据质量实验

涉及实体

AlphaGo Leeproduct AlphaGo Zeroproduct

相关事实

待验证代码任务的强化学习自我博弈（Self-Play）机制借鉴了AlphaGo的训练范式76% 相似待验证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2016年击败李世石的AlphaGo Lee使用了约16万局人类职业棋手对弈数据进行监督学习预训练68% 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66% 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63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/813482

API

curl https://kongchang.com/api/v1/knowledge/claims/813482

MCP

get_claim(id=813482)