AlphaStar
DeepMind开发的《星际争霸II》AI，采用多智能体自我博弈和联盟训练机制，于2019年达到职业选手水平，是深度强化学习在复杂实时策略游戏中的重大突破
时间轴 (近 90 天)
对于小规模项目，完全复现AlphaStar级别的训练不现实，但“定期训练一个针对当前策略的剥削者并加入联赛”是可以在单机资源下实现的简化版。
PFSP优先选择对当前智能体胜率接近50%的对手，以最大化学习信号。
AlphaStar项目由DeepMind团队设计，用于《星际争霸II》，其联赛式自博弈框架维护包含主智能体、历史版本和剥削者的对手池，并使用优先虚构自博弈（PFSP）采样对手。
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。
PPO是OpenAI Five（Dota 2 AI）和AlphaStar等大型游戏AI项目的底层算法选择之一
DeepMind 开发了 AlphaGo 和 AlphaStar（星际争霸），OpenAI 开发了 Dota 2 团队对战 AI
DeepMind 在 2019 年发布 AlphaStar，其联盟由主智能体、主利用者和联盟利用者三类智能体构成
联盟对战概念曾在 DeepMind 的《星际争霸II》AI AlphaStar 中被大规模应用
联盟对战通过种群多样性来规避循环克制（rock-paper-scissors）问题
DeepMind 的 AlphaStar 将星际争霸作为检验AI综合能力的标志性环境，并将应对战争迷雾列为核心技术挑战之一
还有 5 条时间轴事件
全部知识事实 (16)
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
90%待验证对于小规模项目，完全复现AlphaStar级别的训练不现实，但“定期训练一个针对当前策略的剥削者并加入联赛”是可以在单机资源下实现的简化版。
50%待验证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。
50%待验证AlphaStar项目由DeepMind团队设计，用于《星际争霸II》，其联赛式自博弈框架维护包含主智能体、历史版本和剥削者的对手池，并使用优先虚构自博弈（PFSP）采样对手。
50%待验证PFSP优先选择对当前智能体胜率接近50%的对手，以最大化学习信号。
50%待验证PPO是OpenAI Five（Dota 2 AI）和AlphaStar等大型游戏AI项目的底层算法选择之一
50%待验证DeepMind 开发了 AlphaGo 和 AlphaStar（星际争霸），OpenAI 开发了 Dota 2 团队对战 AI
50%待验证联盟对战概念曾在 DeepMind 的《星际争霸II》AI AlphaStar 中被大规模应用
50%待验证DeepMind 在 2019 年发布 AlphaStar，其联盟由主智能体、主利用者和联盟利用者三类智能体构成
50%待验证联盟对战通过种群多样性来规避循环克制（rock-paper-scissors）问题
50%待验证DeepMind 的 AlphaStar 将星际争霸作为检验AI综合能力的标志性环境，并将应对战争迷雾列为核心技术挑战之一
50%待验证Oriol Vinyals是DeepMind的研究副总裁，是AlphaStar、AlphaCode等项目的核心人物
50%待验证Atari深度强化学习的突破为AlphaGo、AlphaStar等后续项目奠定了方法论基础
50%待验证DeepMind 的 AlphaStar、OpenAI Five 等里程碑项目建立在游戏之上
50%待验证AlphaStar在2019年于《星际争霸II》中达到宗师（Grandmaster）级别
50%待验证现代游戏AI研究里程碑包括2013年DeepMind的DQN在Atari游戏上展示深度强化学习、2016年AlphaGo击败围棋世界冠军、2019年OpenAI Five在Dota 2战胜职业队伍、2019年AlphaStar在星际争霸II达到大师级水平
50%