概念Self-Play
自博弈
通过让同一系统的两个角色相互对抗或合作，生成越来越具挑战性的学习信号，无需外部标注数据的训练范式。
时间轴 (近 90 天)
10月29日
开发者采用PPO算法和联赛式自博弈训练指挥官AI，训练出的AI对历史版本胜率极高，但被人类玩家用廉价一级兵种反复击溃。
待验证50%
通过让同一系统的两个角色相互对抗或合作，生成越来越具挑战性的学习信号，无需外部标注数据的训练范式。
开发者采用PPO算法和联赛式自博弈训练指挥官AI，训练出的AI对历史版本胜率极高，但被人类玩家用廉价一级兵种反复击溃。