返回文档库
德州扑克策略的现实启示/papers/6b4beffe0a5c426115f5bb10f4e6e962afafee3ba1df585c3dd746ef74bb579a.md

paper_type: 方法与系统 type_confidence: 高 reading_depth: 研究证据 reading_mode: research_evidence evidence_status: partial

Solver-Guided Reasoning for Mixed-Equilibrium Strategies

论文元数据

研究问题与核心答案

论证链

  1. 人类数据在混合策略均衡博弈中偏向纯策略，导致LLM学习到的策略较弱。
  2. 求解器输出提供最优混合策略，但原始数值不具可理解性。
  3. MDT将求解器策略蒸馏为稀疏决策树，生成可读的规则。
  4. SCCS通过对比同一公共场景下策略分化的手牌，提取局部决策边界。
  5. 在NLH中，SCCS规则使8种LLM配置的L1距离从0.211降至0.100（相对降低52.6%）。
  6. 在River完局和Liar's Dice中验证了战略保真度和可移植性。

研究条件

维度 论文报告
任务或领域 两人有限注德州扑克（NLH）翻牌后决策，以及两人Liar's Dice博弈
数据或样本 超过2.5亿个求解器标记的翻牌后决策样本（约1600万翻牌决策和2.35亿转牌决策），覆盖1755种翻牌面；Liar's Dice使用六折交叉拟合
基线或比较对象 直接提示、提示加原始摘要、Route-only（仅显示MDT路径）、Deep CFR（在完整河牌游戏中）
指标或验证 动作平均L1距离（对求解器策略和MDT策略）、argmax动作一致率、精确可剥削性（作为根池百分比）

决定性证据

E1 · benchmark_result - 发现： SCCS规则使8种LLM配置的平均L1距离从0.211降至0.100（相对改善52.6%），且所有配置下均优于Route-only。 - 支持： SCCS规则可提升LLM对混合策略的预测准确性 - 不支持： 直接提示和原始摘要无法有效提升性能（Direct+Summaries反而较差） - 原文定位： p.10，§6.3 Communicability on Unseen Target Hands；“Across eight LLM configurations, SCCS rules reduce average L1 to the solver target from 0.211 to 0.100, a 52.6% relative improvement over direct prompting.”

E2 · ablation - 发现： Route-only（仅显示路径）将L1从0.211降至0.173，而SCCS进一步降至0.100；在匹配诊断中SCCS相较于Route-only仍降低38.8%的L1。 - 支持： 对比性规则（SCCS）比仅路径更有效地传递策略信息 - 不支持： 仅显示路径不足以完全传达局部决策边界 - 原文定位： p.10，§6.3 Communicability on Unseen Target Hands；“SCCS also improves on Route-only: L1 falls from 0.173 to 0.100 relative to the solver and from 0.172 to 0.114 relative to MDT, reductions of 42.2% and 33.7%, respectively.”

E3 · benchmark_result - 发现： argmax动作一致率从直接提示的57.2%提升到SCCS的76.1%。 - 支持： SCCS规则不仅改善分布预测，也提高主要动作的准确性 - 不支持： 无直接对照，但表明SCCS在主导动作上也有效 - 原文定位： p.10，§6.3 Communicability on Unseen Target Hands；“Argmax-action agreement, defined as whether the highest-probability predicted action matches the highest-probability solver action, also rises from 57.2% to 76.1% from Direct to SCCS.”

E4 · benchmark_result - 发现： 在完整河牌端局中，Hard Top-5 MDT的可剥削性为0.3435%-0.3548%的根池，显著低于Deep CFR的0.8615%和0.3560%。 - 支持： MDT在完整局中保持战略保真度 - 不支持： Hard MDT比Soft MDT的可剥削性更高（约0.21个百分点） - 原文定位： p.12，§6.5 Exact Strategic Evaluation in Complete River Endgames；“Soft costs 0.1338–0.1467% of the root pot and Hard Top-5 costs 0.3435–0.3548%, making the measured Hard–Soft difference approximately 0.21 percentage points in both endgames.”

E5 · benchmark_result - 发现： 在Liar's Dice中，SCCS将L1从0.174降至0.105（相对降低39.7%），但相对于Route-only的改善较小（0.116→0.105）。 - 支持： 该流程可移植到其他不完全信息博弈 - 不支持： 在更稀疏的上下文中，SCCS的增量收益较小 - 原文定位： p.12，§6.6 Beyond NLH: Liar’s Dice；“On this exploratory surface, SCCS lowers solver L1 by 39.7% relative to Direct and has the lowest descriptive mean under both targets. Its incremental improvement over Route-only is smaller than in NLH.”

证据边界

复现与实现