4Hammer: a board-game reinforcement learning environment for the hour long time frame
DEIB – Politecnico di Milano（米兰理工大学DEIB）
针对大语言模型难以应对长时长任务、缺乏专用复杂桌游评估环境的问题，提出基于复杂零和桌游《Warhammer 40,000》部分玩法的数字孪生强化学习环境4Hammer，可用于强化学习与大语言模型的长时长任务能力评估。
2025-05-19 cs.CL cs.LG
Playing Board Games with the Predict Results of Beam Search Algorithm
Amsterdam（阿姆斯特丹）
本文提出用于完全信息双人确定性游戏的PROBS算法，利用更简单的束搜索替代蒙特卡洛树搜索进行决策，实验证明其在棋盘游戏中胜率显著提升，且在搜索规模远小于游戏回合数时依然有效。
2024-04-23 cs.AI cs.LG
Reproducing AlphaZero on Tablut: Self-Play RL for an Asymmetric Board Game
本文研究了AlphaZero算法在非对称棋盘游戏Tablut中的适应性，通过分离的策略和价值头及稳定技术提升性能。
2026-04-07 cs.LG
LUDOBENCH: Evaluating LLM Behavioural Decision-Making Through Spot-Based Board Game Scenarios in Ludo
Department of Computer Science and Information Systems, BITS Pilani（比拉理工学院皮拉尼校区计算机科学与信息系统系）
LudoBench通过12种不同决策类别中的480个手工设计点场景，评估LLM在Ludo棋盘游戏中的战略推理能力，发现模型在行为上呈现不同特征，揭示了提示敏感性作为关键漏洞。
2026-04-07 cs.AI cs.CL cs.GT
Bridging Local and Global Knowledge via Transformer in Board Games
Institute of Information Science, Academia Sinica, Taiwan（Academia Sinica 信息科学研究所）
本文提出ResTNet，通过交错残差块与Transformer块桥接局部和全局知识，在围棋和Hex中显著提升胜率及长序列模式识别能力，为改进AlphaZero类算法提供新思路。
2025-07-18 cs.AI cs.LG
AlphaZero Neural Scaling and Zipf's Law: a Tale of Board Games and Power Laws
Goethe University Frankfurt（法兰克福歌德大学）
本文研究 AlphaZero 中的幂律缩放，发现游戏状态遵循齐普夫定律，智能体按频率降序优化损失，且逆缩放与终局状态频繁相关，大模型牺牲开局理解。
2025-10-13 cs.LG
Mastering Board Games by External and Internal Planning with Language Models
Google DeepMind（谷歌DeepMind）；Google（谷歌）；ETH Zürich（苏黎世联邦理工学院）
本研究通过外部搜索（引导MCTS）和内部搜索（生成线性化搜索树）结合领域知识，显著提升了LLM在棋盘游戏中的规划能力，在国际象棋中达到大师级水平，并展示了方法的通用性。
2025-05-23 cs.AI cs.CL cs.LG
Matrix Diagonalization as a Board Game: Teaching an Eigensolver the Fastest Path to Solution
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
本文提出将矩阵对角化视为棋盘游戏，利用AlphaZero强化学习框架加速Jacobi对角化算法，在量子化学对称哈密顿矩阵上实现显著加速，展示了机器学习提升数值线性代数性能的潜力。
2023-06-21 cs.AI cs.LG cs.NA
Playing Go without Game Tree Search Using Convolutional Neural Networks
Stanford University（斯坦福大学）
围棋在东亚国家有着悠久的历史，但计算机围棋领域直到最近几年才赶上人类。虽然围棋的规则很简单，但游戏的策略和组合学非常复杂。即使在过去的几年里，依靠神经网络来评估董事会位置的新程序仍然比专业人士每秒能探索出多出许多数量级的董事会位置。我们试图通过创建一个卷积神经策略网络来模仿人类在游戏中的直觉，该网络在没有任何树搜索的情况下，应该以或高于大多数人类的水平玩游戏。我们介绍了三种结构和训练方法，旨在创建一个强大的围棋选手：非矩形卷积，这将更好地学习棋盘上的形状，监督学习，在53，000场专业比赛的数据集上进行训练，以及强化学习，在不同版本的网络之间进行比赛的训练。我们的网络已经超越了仅仅使用监督学习的中级业余爱好者的技能水平。非矩形卷积和强化学习的进一步训练和实现可能会进一步提高这种技能水平。
2019-07-02 cs.AI cs.LG
AlphaZero Gomoku
University of California, San Diego（加州大学圣地亚哥分校）；Stanford University（斯坦福大学）
本研究将 AlphaZero 算法扩展到五子棋，验证其超越围棋的适应性，并融合深度学习与蒙特卡洛树搜索以实现平衡对局，树立游戏 AI 新标准。
2023-09-04 cs.AI cs.LG
Solving Royal Game of Ur Using Reinforcement Learning
College of Computer and Information Sciences（计算机与信息科学学院）；Northeastern University（东北大学）
强化学习最近已经作为一种非常强大的工具出现，以解决棋盘游戏领域中的复杂问题，其中代理通常需要基于其自身的经验和收到的奖励来学习复杂的策略和动作。虽然RL已经超越了用于玩简单视频游戏和流行棋盘游戏的现有最先进方法，但它尚未在古代游戏中展示其能力。在这里，我们解决了这样一个问题，我们训练我们的代理使用不同的方法，即蒙特卡洛，Qlearning和预期Sarsa学习最优策略发挥战略皇家游戏乌尔。我们的游戏的状态空间是复杂和大的，但我们的代理人在玩游戏和学习重要的战略举措方面表现出良好的效果。虽然很难得出结论，当使用有限的资源进行训练时，哪种算法的整体性能更好，但Expected Sarsa在最快的学习方面显示出有希望的结果。
2022-08-23 cs.AI cs.LG
Usando LLMs para Programar Jogos de Tabuleiro e Variações
本文提出一种方法，评估Claude、DeepSeek和ChatGPT三个LLM根据简单上下文信息为棋盘游戏及其新变体生成代码的能力。
2025-11-07 cs.LG
The Game of Hidden Rules: A New Kind of Benchmark Challenge for Machine Learning
University of Wisconsin - Madison（威斯康星大学麦迪逊分校）；Rutgers University（罗格斯大学）
随着机器学习（ML）与社会的联系越来越紧密，如果我们要负责任地使用它，我们必须更好地描述ML的优势和局限性。现有的机器学习基准环境，如棋盘游戏和视频游戏，提供了定义良好的进度基准，但组成任务通常很复杂，并且通常不清楚任务特征如何影响机器学习器的整体难度。同样，如果没有对任务特征如何影响难度进行系统评估，那么在不同基准环境中的表现之间建立有意义的联系是具有挑战性的。我们引入了一个新的基准测试环境，提供了大量的ML挑战，并能够精确检查任务元素如何影响实际难度。该工具将学习任务框架为“棋盘清除游戏”，我们称之为隐藏规则游戏（GOHR）。该环境包括一个表达性规则语言和一个可以在本地安装的强制服务器环境。我们提出了一套基准规则学习任务，并计划支持有兴趣尝试学习我们的规则的研究人员的性能排行榜。GOHR通过允许对任务进行精细、可控的修改来补充现有环境，使实验者能够更好地理解给定学习任务的每个方面如何影响任意ML算法的实际难度。
2022-07-20 cs.LG
The cost of passing -- using deep learning AIs to expand our understanding of the ancient game of Go
Akita International University（秋田国际教养大学）；Nihon Ki-in – Japan Go Association（日本棋院）
利用深度学习神经网络的AI引擎为分析传统棋盘游戏提供了出色的工具。在这里，我们有兴趣获得新的见解古老的游戏围棋。为此，我们需要根据引擎的原始输出定义新的数值度量。在本文中，我们开发了一个数值工具，自动移动的移动性能评估在上下文敏感的方式和识别游戏功能。我们通过传球的成本来衡量移动的紧迫性，这是当前石头配置与假设传球后相同棋盘位置之间的得分差异。在这里，我们调查这个措施的性质，并描述了一些应用。
2022-08-24 cs.AI cs.LG
A Novel Approach to Solving Goal-Achieving Problems for Board Games
National Yang Ming Chiao Tung University（国立阳明交通大学）；Academia Sinica（中央研究院）；University of Alberta（阿尔伯塔大学）
本文提出基于相关区域搜索（RZS）和更快存活训练（FTL）的新方法，解决围棋死活问题，在专业书籍中解决68/106题，远超先前方法的11题，并具通用性。
2024-12-16 cs.AI cs.LG
Finite Group Equivariant Neural Networks for Games
Trinity College Dublin（都柏林圣三一学院）；University of Siegen（锡根大学）
围棋、国际象棋和跳棋等游戏有多个等价的游戏状态，即多个棋盘位置，应该进行对称和相反的移动。这些等价性没有被当前最先进的神经代理所利用，而是必须重新学习类似的信息，从而浪费计算时间。现有工作中的组等变CNN创建了可以利用对称性来改善学习的网络，但是它们缺乏正确反映游戏所需的移动嵌入的表现力。我们介绍有限群神经网络（FGNNs），一种用于创建代理的方法，这些董事会的立场与生俱来的理解。FGNN被证明可以提高网络玩跳棋（国际跳棋）的性能，并且可以很容易地适应其他游戏和学习问题。此外，FGNN可以从现有的网络架构中创建。其中包括第一次使用跳过连接和任意层类型的连接。我们证明了U-Net的等变版本（FGNN-U-Net）在图像分割方面优于未修改的网络。
2020-09-10 cs.LG stat.ML
Revisiting Regularized Policy Optimization for Stable and Efficient Reinforcement Learning in Two-Player Games
The University of Tokyo, Japan（东京大学）；RIKEN Center for Advanced Intelligence Project, Japan（日本RIKEN高级智能项目中心）
本文重新审视了带有反向Kullback-Leibler正则化和熵正则化的策略优化方法，在双人零和设置中从理论和经验角度分析其组合，提供了新的收敛保证并通过合成游戏的数值实验验证了理论结果，并基于正则化策略优化推导出一种实用的模型无关强化学习算法，通过在五个棋盘游戏中进行的全面实验验证了算法的训练效率。
2026-05-21 cs.AI cs.LG
Learning to Play 7 Wonders Duel Without Human Supervision
University of Bologna（博洛尼亚大学）；University of Brescia（布雷西亚大学）；University of Genoa（热那亚大学）；University of Pisa（比萨大学）
本文提出无人类监督的AI系统ZeusAI，结合蒙特卡洛树搜索与Transformer神经网络学习桌游《7 Wonders Duel》，达到顶尖人类水平并发现新策略，展示了AI在理解与增强桌游方面的作用。
2024-06-02 cs.AI cs.LG
Measuring Progress in Dictionary Learning for Language Model Interpretability with Board Game Models
MIT（麻省理工学院）；UMass, Amherst（马萨诸塞大学阿默斯特分校）；University of Mannheim（曼海姆大学）；Harvard University（哈佛大学）；Northeastern University（东北大学）
针对语言模型可解释性研究中稀疏自编码器（SAE）缺乏可解释特征真值、难以评估质量的问题，该研究提出在国际象棋、奥赛罗棋语言模型场景下构建监督评估指标，并提出p-退火训练技术，同时提升了无监督与新监督指标的表现。
2024-10-30 cs.AI cs.CL cs.LG
Impartial Games: A Challenge for Reinforcement Learning
Imperial College London（帝国理工学院伦敦分校）；Queen Mary University of London（女王玛丽大学）
本文研究了AlphaZero风格强化学习在impartial games中的局限性，指出其在学习抽象数学原理如奇偶性时存在表示瓶颈，需发展新型算法以实现专家级AI。
2026-01-21 cs.AI cs.LG
WallZero: Mastering the Game of WallGo with Strategic Analysis
National Yang Ming Chiao Tung University（国立阳明交通大学）；Academia Sinica（中央研究院）
提出基于AlphaZero的WallZero智能体，通过定制动作和特征设计，在WallGo游戏中击败职业围棋选手，并分析游戏公平性与关键策略。
2026-06-17 cs.AI cs.LG
Scaling Laws for Imitation Learning in Single-Agent Games
Princeton University（普林斯顿大学）；Amazon（亚马逊公司）；University of Pennsylvania（宾夕法尼亚大学）；Harvard University（哈佛大学）
研究单智能体博弈中模仿学习的缩放效应，发现IL损失和平均回报随计算预算呈幂律关系，扩大规模训练的NetHack智能体超越先前最优1.5倍。
2024-12-19 cs.AI cs.LG stat.ML
A non-cooperative meta-modeling game for automated third-party calibrating, validating, and falsifying constitutive laws with parallelized adversarial attacks
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Columbia University（哥伦比亚大学）
本构模型的评估，特别是对于高风险和高遗憾的工程应用，需要有效和严格的第三方校准，验证和证伪。虽然在开发验证模型的范例和标准程序方面作出了许多努力，但由于普遍采用的校准和验证过程具有顺序性、手工性和往往带有偏见的性质，因此可能会出现困难，从而减缓数据收集的速度，阻碍在发现新物理学方面取得进展，增加费用，并可能导致对拟议模型的可信度和适用范围的误解。这项工作试图引入博弈论和机器学习技术的概念，以克服许多现有的困难。我们引入了一个自动元建模游戏，其中两个相互竞争的AI代理系统地生成实验数据来校准给定的本构模型并探索其弱点，以通过竞争来改善实验设计和模型鲁棒性。两个智能体在没有人为干预的情况下，在对抗性强化学习框架中自动搜索元建模博弈的纳什均衡。通过将实验室实验的所有可能的设计选项捕获到单个决策树中，我们将实验的设计重新塑造为组合移动的游戏，可以通过两个竞争玩家的深度强化学习来解决。我们的对抗性框架模拟了研究人员之间理想化的科学合作和竞争，以更好地理解所学习的材料定律的应用范围，并防止传统的基于人工智能的第三方验证引起的误解。
2020-04-13 cs.AI cs.LG eess.SP
