Ataraxos 的公开材料与可用边界已由一手来源核验。
Ataraxos 用阻尼自博弈与搜索击败 Stratego 冠军
2026-09-30前沿观察WATCH
Ataraxos 把动态阻尼自博弈强化学习与决策时搜索结合，用于大规模不完全信息游戏。它对 Pim Niemeijer 取得 15 胜 1 负 4 平，并在 2025 Stratego 世界锦标赛取得 38 胜 2 负。训练与 belief model 代码已公开，但没有预训练 checkpoint。
对你意味着什么
对开发基于模拟器的规划 agent 的研究团队来说，Ataraxos 说明训练动态与搜索可以显著降低大型不完全信息游戏所需的数据量。没有 checkpoint 或独立复现前，它还不是可直接投入的试验对象。
前沿观察
公开材料与效果验证，分开看。
已记录的事实是工作及其材料已公开。论文或作者报告的效果不自动等于独立复现。下一步关注可复用代码、任务设置和第三方验证。
证据与关联材料
技术细节与六维评分
| 方法 | 动态阻尼自博弈强化学习 + 决策时搜索 |
|---|---|
| 人类对局 | 15 胜、1 负、4 平 |
| 世界锦标赛 | 2025 Stratego 世界锦标赛 38 胜 2 负 |
| 效率主张 | 训练样本少于 DeepNash 的 1/100；自博弈局数少于 1/30 |
| 公开材料 | MIT 许可训练与 belief model 代码；无预训练 checkpoint |
技术影响 4
工程价值 2
采用信号 1
成熟度 1
验证成本 5
风险 2