德州扑克里的决策课：偏差、规则与认知边界

用扑克和报童实验区分有证据支持的偏差结论与仅靠类比的领导力启示，并说明规则约束如何降低 AI 决策风险。

现有证据表明，德州扑克为研究不完全信息下的决策偏差和风险管理提供了可量化的试验台，并且通过求解器蒸馏或规则约束能显著改善 AI 辅助决策，但将扑克技能迁移到现实领导力的结论仍缺乏实证。

先读摘要级快速简报 — 仅基于摘要，用于快速建立全局认识；最终结论以本报告的全文精读证据为准。

核心结论

论文时间轴

• 2020（1 篇）：Combining Deep Reinforcement Learning and Search for Imperfect-Information Games
• 2023（1 篇）：Are ChatGPT and GPT-4 Good Poker Players? -- A Pre-Flop Analysis
• 2024（1 篇）：A Survey on Game Theory Optimal Poker
• 2025（4 篇）：The Psychology of the Poker Player: Neuro-Cognitive Models from Poker Table to the Boardroom；Beyond Game Theory Optimal: Profit-Maximizing Poker Agents for No-Limit Holdem；Meta-learning ecological priors from large language models explains human learning and decision making；Large Language Newsvendor: Decision Biases and Cognitive Mechanisms
• 2026（3 篇）：Solver-Guided Reasoning for Mixed-Equilibrium Strategies；PokerSkill: LLMs Can Play Expert-Level Poker without Training or Solvers；AlphaExploitem: Going Beyond the Nash Equilibrium in Poker by Learning to Exploit Suboptimal Play

AI 决策复制并放大人类偏差

在库存决策和扑克翻牌前两个完全不同的任务里，GPT-4 与 ChatGPT 都表现出稳定偏离最优策略的模式，且偏离方向相反——一个过于保守，另一个过于激进。报童实验中，GPT-4 的订购偏差比人类基准高 70%，即使拿到最优公式后偏差仍部分存在，说明问题不在知识缺口，而在模型架构本身。

部署 AI 辅助决策时不能默认其可靠，需要额外校准和监督，尤其要警惕复杂模型因过度分析而犯错。

规则约束比自由推理更接近理性

两篇独立研究分别用求解器蒸馏规则和人类专家规则库约束 LLM 决策：前者将 LLM 与求解器策略的平均 L1 距离从 0.211 降到 0.100，后者将 GPT-5.5 在双人无限注德州扑克中的损失从 -132 改善到 -57 mbb/hand。两者共同表明，显式规则约束比让模型自己推理更有效。

在现实应用中应优先把专家知识编码为可执行规则或约束，而不是单纯追求更大模型或更多训练数据。

打最优牌不等于赚最多钱

AlphaExploitem 在 Leduc Hold'em 上利用对手的次优策略获得约 +1.0 BBs/hand，而严格 GTO 基线收益更低；综述也指出人类对手会无意偏离 GTO，剥削性策略可提高期望收益。这改变了“GTO 永远最优”的抽象认识，但需要识别对手偏差并承担模型风险。

风险管理不能只追求不可剥削的防御性策略，还应主动识别并利用对手或市场的系统性偏差，同时控制误判成本。

认知偏差可能是适应而非缺陷

ERMI 模型通过元学习生态先验，在函数学习和类别学习任务上预测人类行为优于经典认知模型，例如函数学习插值 MSE 为 0.0171，低于经典模型的 0.0256。这与 C1 中 LLM 偏差源于架构缺陷形成对比，但本研究未直接比较人类与 LLM 的偏差来源。

设计决策支持系统时应考虑环境统计结构，把偏差视为环境适应的结果，而不是简单纠正表面行为。

当前研究版图

现有研究主要从哪些问题入口展开？

现有研究主要从三个问题入口展开：一是能否在计算资源有限时逼近不可剥削的均衡，又能否利用对手偏差超越均衡（对应主张 C3 与 C6）；二是 LLM 在报童和扑克等不确定任务中是否复制人类偏差，以及结构化规则能否纠正这些偏差（C1 与 C2）；三是把扑克当作认知实验室，追问人类偏差是否是对环境统计的适应，或扑克训练能否迁移到一般决策能力（C4 与 C5）。

两条技术路线形成鲜明对照：纯算法路线（如 ReBeL）以大量计算换取接近纳什均衡的策略，训练数据生成需要 128 台机器、每台 8 GPU（C6）；而规则化 LLM 路线（如 PokerSkill 和 SCCS）无需训练或求解器即可将 GPT-5.5 在 HUNL 中的损失从 -132 降至 -57 mbb/hand，或把 8 种 LLM 配置对求解器策略的平均 L1 距离从 0.211 降到 0.100（C2）。前者提供理性上限但成本高昂，后者贴近应用但依赖专家规则并可能对基准过拟合。

第三个问题入口与“偏差是否合理”相连。一方面，GTO 综述指出精确均衡因限注德州扑克游戏树有 3.6×10^17 个节点而不可计算，剥削性策略可能比严格 GTO 获得更高收益（C3）；另一方面，元学习生态先验模型显示，人类在函数学习等任务中的行为可由对环境统计结构的适应来解释，而非纯粹缺陷（C4）。这两个结论共同提示：现实决策需要结合对环境结构的估计和对对手偏差的识别，而不是盲目追求理论最优。

最后，扑克训练向领导力等现实场景迁移的入口仍是理论空档：一篇理论论文提出“认知主权”但没有任何实证数据（C5）。因此，当前版图中 AI 决策偏差与规则化缓解、均衡计算与剥削策略已有初步实验支撑，而扑克技能向人类现实决策的因果迁移尚无任何受控实验，这构成后续研究需要补足的具体缺口。

这些结论能相信到什么程度

当前证据没有回答什么？

当前证据没有回答扑克技能是否以及如何迁移到现实领导、投资或谈判决策；所有关于“认知主权”的论述都来自一篇无实证的理论文章，只建立了类比，没有在真人群体中测评扑克训练前后的决策变化。因此，从扑克研究到现实应用的直接因果推断目前是缺失的，而不是被反对的。

第二，关于LLM复制人类偏差的结论仅来自少数模型和特定任务：报童实验只测了GPT-4、GPT-4o和LLaMA-8B，人类基准是2000年的数据；扑克实验只覆盖翻牌前RFI，且未模拟对手建模。更重要的是，规则约束并非普遍有效：在报童实验中，提供最优公式后GPT-4仍出现正收敛斜率+1.191，而GPT-4o接近最优；这说明“提供规则就能修正偏差”的叙述在复杂模型上可能失效，但尚未在金融或医疗等高风险领域复现。当前证据只能支持LLM在这些任务中表现出偏差，不能支持所有AI辅助决策都会如此。

第三，关于剥削性策略优于GTO的证据全部来自Kuhn Poker和Leduc Hold'em这些低复杂度环境，对手是固定的、平稳的；AlphaExploitem在Leduc上对次优池约+1.0 BBs/hand，但训练一个种子要12小时，且未在完整德州扑克或会调整策略的真人对手上测试。同时，综述指出限注德州扑克游戏树有3.6×10^17种变化，精确GTO不可计算，但两者结合并不能推出在真实扑克中剥削性策略更好——因为真实对手会观察并反制，而简化环境中的泛化性未知。此外，完全理性算法如ReBeL虽达到超人水平，但其理论保证仅限两人零和博弈，训练需128台机器每台8 GPU，资源门槛使直接移植到组织决策不可行。

第四，关于人类偏差可能是生态理性适应的结论仅由单一来源ERMI支持：该研究用LLM生成任务训练元学习模型，在函数学习插值MSE=0.0171优于经典模型，但训练数据来自LLM可能存在分布偏差；模型没有包含工作记忆、注意力等约束，且部分类别学习任务中与人类行为不一致。因此，这一结论目前是单一来源的假设，没有被独立人类行为数据或非LLM生成生态任务检验，不能作为普遍认知原则。

核心论文导读

The Psychology of the Poker Player: Neuro-Cognitive Models from Poker Table to the Boardroom

为扑克心理学与领导力决策提供理论桥梁，但证据强度低，需实证检验，主要用于提出研究问题而非回答它们。

怎么做： True

主要发现：

• 论文未报告原始实证数据；所有发现均为基于文献的理论推论，如损失厌恶比例约2:1、工作记忆约4个信息块20秒等。

阅读时注意： 无实证数据支持，结论缺乏经验基础。

精读笔记：papers/841d0fc27ca591638c9fff81ded1c17a6a48f0578ee783ac8a97c82de1813922.md

Are ChatGPT and GPT-4 Good Poker Players? -- A Pre-Flop Analysis

实证揭示LLM在扑克决策中表现出类似人类风格的系统性偏差，为AI决策偏差研究提供基础案例。

怎么做： True

主要发现：

• ChatGPT和GPT-4在翻牌前RFI场景均偏离GTO策略：ChatGPT过于保守（频繁弃牌、出现limp），GPT-4过于激进（从不limp、加注范围过宽）。
• 提示形式显著影响模型决策，如'A4s'与'4As'导致不同决策矩阵。

阅读时注意： 仅分析翻牌前RFI，最简单决策点，无法推断后续回合。

精读笔记：papers/02f03e5432f0c53b3af697fda5545ebdb6a72bf0e68ecaa556a859cadcff395c.md

Beyond Game Theory Optimal: Profit-Maximizing Poker Agents for No-Limit Holdem

探讨超越GTO的利润最大化路径，强调GTO作为防御基线的重要性，但剥削部分仅概念性，为后续剥削研究提供框架。

怎么做： True

主要发现：

• 在合成NLHE决策状态上，MCCFR在单挑中500次迭代后Top-1=1.000、KL=0.015、CE=0.891，最接近GTO代理。
• 3人局中CFR的Top-1=0.478，高于其他模型；6人局MCCFR的CE最低但Top-1与随机相同。

阅读时注意： 合成数据可能无法完全代表真实牌局。

精读笔记：papers/4258b4ebe4f602b379543b3d034043ca24b5cc8c0199a97f14b7e17c3f5bb8c1.md

Meta-learning ecological priors from large language models explains human learning and decision making

提供生态理性分析框架解释人类决策偏差，支持'决策是适应环境结构'的观点，为理解扑克中的启发式与偏差提供理论背景。

怎么做： True

主要发现：

• ERMI在函数学习插值中MSE=0.0171，显著低于MI的0.0256；在类别学习Shepard任务中MSE=0.03 vs 0.26。
• 在决策制定任务中，ERMI的后验模型频率最高（双属性实验0.7299，四属性实验0.6284）。

阅读时注意： LLM生成任务可能存在分布偏差或噪声，未系统评估影响。

精读笔记：papers/fa7bb79f070920a7e012b4bfb54c5adb7cca25d29eaa45e7511c77a66b19066d.md

Large Language Newsvendor: Decision Biases and Cognitive Mechanisms

实证展示LLM复制并放大人类认知偏差，揭示'智能悖论'，对理解AI辅助决策的风险和偏差管理有直接启示。

怎么做： True

主要发现：

• 无公式提示下，LLMs复制'过低/过高'订购偏差，GPT-4在低利润均匀分布下偏差+100.25，比人类基准+59.06高70%。
• 风险中性环境中偏差仍存在（GPT-4均匀高利润-1.16%，LLaMA-8B-10.95%，GPT-4o≤0.11%），证明偏差非源于风险规避。

阅读时注意： 模拟报童问题可能不反映现实供应链复杂性。

精读笔记：papers/125945ef97465c7a1946f52cc8c5ca2b0133def6f8a95b36e6f037c4482123a5.md

Solver-Guided Reasoning for Mixed-Equilibrium Strategies

展示如何将求解器知识转化为可理解规则来改善LLM决策，强调可解释性在决策辅助中的价值。

怎么做： True

主要发现：

• SCCS规则将8种LLM配置的平均L1距离从0.211降至0.100，相对改善52.6%。
• argmax动作一致率从直接提示的57.2%提升至SCCS的76.1%。

阅读时注意： 硬稀疏化导致保真度损失（硬MDT L1=0.087 vs 密集模型0.021）。

精读笔记：papers/6b4beffe0a5c426115f5bb10f4e6e962afafee3ba1df585c3dd746ef74bb579a.md

Combining Deep Reinforcement Learning and Search for Imperfect-Information Games

里程碑式工作，证明RL+搜索可在不完美信息博弈中达到超人水平，为AI在不确定环境下的决策提供方法原型。

怎么做： True

主要发现：

• ReBeL在TEH中250次迭代后利用性约0.01，相当于tabular CFR约125次迭代的水平。
• 在HUNL中击败BabyTartanian8、Slumbot，并以165±69千分之一bb/手击败人类专家Dong Kim（7500手）。

阅读时注意： 输入维度随信息状态数量线性增长，在公共信息少的游戏中不可行。

精读笔记：papers/2a7934967fa910d3b643b4baea4bca973b7f8fd090bea11bcaa00cbeda350b92.md

PokerSkill: LLMs Can Play Expert-Level Poker without Training or Solvers

展示LLM+人类规则的低成本路径达到专家级扑克，对AI辅助决策与人类专家知识结合具有启示。

怎么做： True

主要发现：

• PokerSkill将GPT-5.5 XHigh损失从-132降至-57 mbb/hand（57%改善），Claude Opus 4.6从-204降至-80（61%），Claude Opus 4.7从-170降至-87（49%）。
• 纯规则基线（无LLM）达到-132±19 mbb/hand，与默认提示LLM相当，但远低于PokerSkill+LLM的-57。

阅读时注意： Slumbot比较为间接，方差削减方法不同导致置信区间不可比。

精读笔记：papers/da847dc26887e796f047cdd356f4014354b356682ceb58d320d08fc5c004ff05.md

A Survey on Game Theory Optimal Poker

提供GTO扑克的理论背景和挑战，奠定后续将扑克作为AI决策试验台的理解基础。

怎么做： True

主要发现：

• 限注德州扑克游戏树有3.6×10^17种变化，精确GTO计算不可行。
• 人类对手会无意偏离GTO，可被剥削性策略利用以提高EV。

阅读时注意： 缺乏定量比较数据。

精读笔记：papers/5045c8b84dd8f956252f5608bab8dd12b9ba9ca146a15a94d3940eddccc74837.md

AlphaExploitem: Going Beyond the Nash Equilibrium in Poker by Learning to Exploit Suboptimal Play

实证展示利用跨手牌历史信息超越纳什均衡，为适应性决策和对手建模提供启示。

怎么做： True

主要发现：

• 在Leduc Hold'em上，AlphaExploitem对分布内玩具池奖励约+1.0 BBs/hand，AlphaHoldem约+0.5。
• 掩蔽跨手牌上下文后，Leduc ID奖励从+1.10降至+0.54 BBs/hand，OOD从+1.16降至+0.52，约一半收益来自上下文。

阅读时注意： 仅评估平稳对手，未考虑非平稳策略。

精读笔记：papers/2f7b8db2981556091661c8651e5675cc7bf5efbb1963a221bce66b88810d3d26.md

延伸材料

研究坐标

• 理论与方法 · 不完全信息博弈与纳什均衡：理解博弈论最优策略（GTO）与剥削性策略的权衡是解读扑克决策结论的数学基础。
• 应用领域 · 大语言模型决策偏差：多个实验显示 LLM 在报童和扑克任务中复制并放大人类偏差，是评估 AI 辅助决策风险的关键证据。
• 系统与工程 · 求解器蒸馏与规则约束：将求解器策略转化为可解释规则能显著提升 LLM 在扑克中的决策质量，为现实高风险场景提供低成本缓解路径。
• 理论与方法 · 人类生态理性模型：元学习生态先验模型为重新解释认知偏差提供了框架，挑战纯粹缺陷论。

主题星云

大语言模型决策偏差、博弈论最优策略（GTO）、方法与系统、求解器蒸馏规则、剥削性策略、cs.GT、元学习生态先验、报童问题、理论与立场、cs.AI、cs.CL、q-bio.NC、决策心理学、博弈论最优、大语言模型、德州扑克、认知偏差、风险管理

核心主张证据矩阵

本论文集中的机构显著度

覆盖最终纳入的精读与摘要扫描论文，按论文覆盖数和编辑重要性汇总；摘要论文仅计基础权重，不代表全球机构排名或机构质量评价。

机构元数据覆盖：8 / 40 篇论文。

• Tsinghua University：3 篇入选论文，集合显著度 6；代表论文：Solver-Guided Reasoning for Mixed-Equilibrium Strategies、PokerSkill: LLMs Can Play Expert-Level Poker without Training or Solvers、AV-AIVAT: 74x Cheaper Agent Evaluation with Certified Anytime-Valid Stopping in Imperfect-Information Games
• Chinese University of Hong Kong, Shenzhen：2 篇入选论文，集合显著度 5；代表论文：Solver-Guided Reasoning for Mixed-Equilibrium Strategies、PokerSkill: LLMs Can Play Expert-Level Poker without Training or Solvers
• London Metropolitan University：1 篇入选论文，集合显著度 2；代表论文：The Psychology of the Poker Player: Neuro-Cognitive Models from Poker Table to the Boardroom
• Richard Wolf (Germany)：1 篇入选论文，集合显著度 2；代表论文：Solver-Guided Reasoning for Mixed-Equilibrium Strategies
• Shanghai Jiao Tong University：1 篇入选论文，集合显著度 2；代表论文：Solver-Guided Reasoning for Mixed-Equilibrium Strategies
• Vector Institute：1 篇入选论文，集合显著度 2；代表论文：Solver-Guided Reasoning for Mixed-Equilibrium Strategies
• Indian Institute of Technology Roorkee：1 篇入选论文，集合显著度 1；代表论文：Poker Arena: Multi-Axis Profiling of Strategic Reasoning and Memory in LLMs
• Karlstad University：1 篇入选论文，集合显著度 1；代表论文：Play the Man, Not the Cards. (Homo)socialities and Masculine Positions in Poker
• Maastricht University：1 篇入选论文，集合显著度 1；代表论文：StratFormer: Adaptive Opponent Modeling and Exploitation in Imperfect-Information Games
• Massachusetts Institute of Technology：1 篇入选论文，集合显著度 1；代表论文：On Creating Human Models in Poker with Deep Learning and Regularized Search
• Master's College：1 篇入选论文，集合显著度 1；代表论文：On Creating Human Models in Poker with Deep Learning and Regularized Search

论文引用时间瀑布

覆盖最终纳入的精读与摘要扫描论文，仅显示由精确论文标识确认的集合内引用；缺少边不等于论文之间没有关系。

• Rational AI: A comparison of human and AI responses to triggers of economic irrationality in poker → 引用 → The role of affect in management decisions: A systematic review
• Rational AI: A comparison of human and AI responses to triggers of economic irrationality in poker → 引用 → The role of affect in management decisions: A systematic review
• A Survey on Game Theory Optimal Poker → 引用 → AlphaHoldem: High-Performance Artificial Intelligence for Heads-Up No-Limit Poker via End-to-End Reinforcement Learning
• A Survey on Game Theory Optimal Poker → 引用 → AlphaHoldem: High-Performance Artificial Intelligence for Heads-Up No-Limit Poker via End-to-End Reinforcement Learning
• A Survey on Game Theory Optimal Poker → 引用 → Combining Deep Reinforcement Learning and Search for Imperfect-Information Games
• A Survey on Game Theory Optimal Poker → 引用 → Combining Deep Reinforcement Learning and Search for Imperfect-Information Games
• Beyond Game Theory Optimal: Profit-Maximizing Poker Agents for No-Limit Holdem → 引用 → Combining Deep Reinforcement Learning and Search for Imperfect-Information Games
• AlphaExploitem: Going Beyond the Nash Equilibrium in Poker by Learning to Exploit Suboptimal Play → 引用 → AlphaHoldem: High-Performance Artificial Intelligence for Heads-Up No-Limit Poker via End-to-End Reinforcement Learning
• AlphaExploitem: Going Beyond the Nash Equilibrium in Poker by Learning to Exploit Suboptimal Play → 引用 → Combining Deep Reinforcement Learning and Search for Imperfect-Information Games
• PokerSkill: LLMs Can Play Expert-Level Poker without Training or Solvers → 引用 → Are ChatGPT and GPT-4 Good Poker Players? -- A Pre-Flop Analysis
• PokerSkill: LLMs Can Play Expert-Level Poker without Training or Solvers → 引用 → PokerBench: Training Large Language Models to become Professional Poker Players
• PokerSkill: LLMs Can Play Expert-Level Poker without Training or Solvers → 引用 → Combining Deep Reinforcement Learning and Search for Imperfect-Information Games
• Poker Arena: Multi-Axis Profiling of Strategic Reasoning and Memory in LLMs → 引用 → Combining Deep Reinforcement Learning and Search for Imperfect-Information Games
• AV-AIVAT: 74x Cheaper Agent Evaluation with Certified Anytime-Valid Stopping in Imperfect-Information Games → 引用 → PokerBench: Training Large Language Models to become Professional Poker Players
• AV-AIVAT: 74x Cheaper Agent Evaluation with Certified Anytime-Valid Stopping in Imperfect-Information Games → 引用 → PokerSkill: LLMs Can Play Expert-Level Poker without Training or Solvers
• AV-AIVAT: 74x Cheaper Agent Evaluation with Certified Anytime-Valid Stopping in Imperfect-Information Games → 引用 → Agents That Certify Their Own Exploits: Confidence-Scheduled Restricted Responses for Safe Opponent Exploitation
• AV-AIVAT: 74x Cheaper Agent Evaluation with Certified Anytime-Valid Stopping in Imperfect-Information Games → 引用 → Combining Deep Reinforcement Learning and Search for Imperfect-Information Games
• Solver-Guided Reasoning for Mixed-Equilibrium Strategies → 引用 → Are ChatGPT and GPT-4 Good Poker Players? -- A Pre-Flop Analysis
• Solver-Guided Reasoning for Mixed-Equilibrium Strategies → 引用 → PokerBench: Training Large Language Models to become Professional Poker Players
• Solver-Guided Reasoning for Mixed-Equilibrium Strategies → 引用 → Combining Deep Reinforcement Learning and Search for Imperfect-Information Games
• AlphaHoldem: High-Performance Artificial Intelligence for Heads-Up No-Limit Poker via End-to-End Reinforcement Learning → 引用 → Combining Deep Reinforcement Learning and Search for Imperfect-Information Games
• Agents That Certify Their Own Exploits: Confidence-Scheduled Restricted Responses for Safe Opponent Exploitation → 引用 → StratFormer: Adaptive Opponent Modeling and Exploitation in Imperfect-Information Games
• Agents That Certify Their Own Exploits: Confidence-Scheduled Restricted Responses for Safe Opponent Exploitation → 引用 → AlphaExploitem: Going Beyond the Nash Equilibrium in Poker by Learning to Exploit Suboptimal Play
• Agents That Certify Their Own Exploits: Confidence-Scheduled Restricted Responses for Safe Opponent Exploitation → 引用 → PokerSkill: LLMs Can Play Expert-Level Poker without Training or Solvers
• Agents That Certify Their Own Exploits: Confidence-Scheduled Restricted Responses for Safe Opponent Exploitation → 引用 → Combining Deep Reinforcement Learning and Search for Imperfect-Information Games
• Projected Exploitability Descent for Nash Equilibrium Computation in Multiplayer Imperfect-Information Games → 引用 → Variable Bound Tightening for Nash Equilibrium Computation in Multiplayer Imperfect-Information Games

读完后必须能回答的问题

RQ1 · 部分回答

德州扑克研究为理解人类在不确定条件下的期望值决策提供了哪些核心共识？这些共识如何挑战传统理性选择理论？

仍缺： direct_studies:2/3

RQ2 · 部分回答

扑克专家与新手之间的决策差异受哪些环境条件（如经验、反馈、压力）影响？这些条件如何在不同扑克情境（如现金局与锦标赛）中调节决策能力？

仍缺： direct_studies:1/2

RQ3 · 证据达标

在扑克研究中，理性博弈论最优策略与人类实际行为之间的差距体现了哪些权衡？这一差距对设计现实决策辅助工具（如AI建议系统）有何启示？

RQ4 · 部分回答

扑克研究揭示的认知偏差结论向现实决策迁移时，存在哪些边界条件或不适用场景？扑克研究对决策心理学理论（如生态理性）的贡献与争议如何界定其结论的适用边界？

仍缺： direct_studies:0/2；independent_contexts:1/2

RQ5 · 部分回答

扑克玩家的风险管理策略（如资金管理、止损规则）在金融投资等现实高风险决策中的有效性证据如何？在直觉与理性计算之间，扑克研究如何指导实践者的下一步选择？

仍缺： direct_studies:1/3；independent_contexts:1/2

摘要级辅助线索

以下内容仅用于扩展研究版图，未核验全文，不能单独支撑强结论。

AlphaHoldem: High-Performance Artificial Intelligence for Heads-Up No-Limit Poker via End-to-End Reinforcement Learning

展示了在不完美信息博弈中通过自对弈强化学习实现高效决策的可行性，对理解人类在不确定性下的快速决策、风险管理和策略学习具有启示意义。

Preference-CFR\(\\:\) Beyond Nash Equilibrium for Better Game Strategies

说明在决策中考虑策略多样性和风险偏好的重要性，启示人类在风险管理中可以根据自身偏好调整决策风格，并在保持性能的同时探索非常规策略。

AV-AIVAT: 74x Cheaper Agent Evaluation with Certified Anytime-Valid Stopping in Imperfect-Information Games

解决了在不完美信息博弈中评估智能体强弱时何时停止收集证据的问题，对现实决策中如何在不确定环境中高效地判断风险并做出及时结论具有启示。

Limit Continuous Poker: A Variant of Continuous Poker with Limited Bet Sizes

从理论层面剖析信息不对称、诈唬、平衡和注额限制的交互作用，为现实博弈中如何根据可用选项调整策略和风险管理提供数学基础。

Agents That Certify Their Own Exploits: Confidence-Scheduled Restricted Responses for Safe Opponent Exploitation

展示了在不完美信息博弈中既利用对手弱点又严格控制风险的机制，对现实决策中如何在利用他人认知偏差的同时管理潜在损失具有重要启示。

StratFormer: Adaptive Opponent Modeling and Exploitation in Imperfect-Information Games

通过德州扑克变体展示自适应对手建模与利用的可行性，启示现实决策中应结合对他人行为的预测与自身策略的稳健性，在风险与收益间取得平衡。

On Creating Human Models in Poker with Deep Learning and Regularized Search

展示了如何用计算模型刻画人类打牌行为，有助于理解人类决策模式，并为在现实场景中训练更拟人化的智能体或评估人类行为偏差提供思路。

Learning strategic poker decision-making with Large Language Models

标题指向使用大语言模型学习战略扑克决策，可能与利用语言模型改进决策相关，但摘要未提供实质内容。

Rational AI: A comparison of human and AI responses to triggers of economic irrationality in poker

直接对比人工智能与人类在扑克中的损失/收益反应，揭示人类在风险决策中的非理性倾向，有助于理解认知偏差并设计更稳健的决策系统。

Poker Arena: Multi-Axis Profiling of Strategic Reasoning and Memory in LLMs

通过德州扑克评估大语言模型的战略推理和记忆能力，说明在现实决策中应采用多维评估而非单一指标，并关注记忆与认知结构的相互作用。

Play the Man, Not the Cards. (Homo)socialities and Masculine Positions in Poker

从社会学角度揭示扑克活动中的社会互动和情感规则，补充了对人类决策中社会因素和性别身份的理解，但未直接讨论认知偏差。

Variable Bound Tightening for Nash Equilibrium Computation in Multiplayer Imperfect-Information Games

属于扑克博弈求解的算法优化，为理解多人不完全信息下的均衡计算提供工具，但对现实决策认知的直接启示有限。

Player Psychology and Decision-Making in Board Game COUP

通过牌类游戏验证风险敏感性、不确定性厌恶和情绪反应对人类决策的影响，说明现实决策中情绪和社会动态可能压倒纯理性计算。

PokerBench: Training Large Language Models to become Professional Poker Players

该基准直接评估大语言模型在德州扑克等不完全信息游戏中的策略能力，其发现表明现有AI在类似人类决策的复杂博弈中仍有不足，也为利用AI辅助决策与策略训练提供了评估工具和启示。

Analyzing Human Heuristics and Strategies in Everyday Decision-Making Conversations for Conversational AI Design

该研究揭示了日常决策中人类启发式与认知负荷管理的实际模式，为将德州扑克等博弈中的策略思维迁移到现实决策、并设计更符合人类启发式的AI辅助决策系统提供了实证基础。

Predicting Biased Human Decision-Making with Large Language Models in Conversational Settings

该研究直接证明认知负荷会放大决策偏见，并验证LLM能模拟人类偏见模式，这对理解德州扑克等高风险决策中的情绪与认知因素、以及设计适应性AI辅助决策工具有重要参考价值。

The role of affect in management decisions: A systematic review

该综述系统化了情感在管理决策中的作用，为将德州扑克中的情绪管理与风险决策研究拓展到组织管理场景提供了理论框架，有助于设计“知情决策架构”。

Kuhn Poker with Cheating and Its Detection

该研究为不完全信息博弈中欺骗与检测的建模提供了理论基础，对理解德州扑克等游戏中的欺骗风险和应对策略具有直接意义，并可延伸至现实中的信息不对称决策。

Projected Exploitability Descent for Nash Equilibrium Computation in Multiplayer Imperfect-Information Games

该算法面向多人不完美信息博弈（如德州扑克多人局）的纳什均衡计算，为扑克AI策略求解提供了新的数值方法，也启示了现实中多主体竞争情境下的均衡思维。

Beyond the Black Box: Interpretable Models of Human Randomisation Failures

该研究揭示了人类在博弈中偏离混合策略均衡的系统性模式，为从行为经济学角度理解德州扑克等游戏中的决策偏差、并发展可解释的博弈策略模型提供了证据。

Using Resource-Rational Analysis to Understand Cognitive Biases in Interactive Data Visualizations

该研究为理解人类在信息展示下的决策偏见提供了理论框架，与德州扑克策略中的有限理性、信息处理约束和风险判断直接相关，可用于改进决策辅助工具的设计。

QualGames: A Qualtrics implementation and a database of behavioral game theory tasks

该研究验证了风险决策和行为博弈任务的有效测量工具，为研究人类决策与风险管理提供了可靠的实验范式，但对德州扑克策略本身未涉及，可视为决策心理学方法论的间接支撑。

QuLBIT: Quantum-Like Bayesian Inference Technologies for Cognition and Decision

该研究为理解人类在风险决策中的非理性选择提供了新解释框架，可能有助于揭示德州扑克中玩家违反理性原则的认知机制。

Using the game can't stop to inform the novel behavioural state of near-loss.

该研究直接探索了近失败（near-loss）情境下的风险决策行为，类比扑克中的“接近失败”心理效应，对理解玩家在不利牌况下的决策偏差和风险管理具有启示。

CoupVisor: Strategy Optimization by Round and Challenge Decision Support

尽管研究对象是Coup而非德州扑克，但同属隐藏信息博弈，该系统展示了如何在不确定信息中优化决策和风险权衡，对德州扑克策略中的信息利用与风险决策具有方法借鉴意义。

From Rules to Nash Equilibria: A Lean 4 Case Study in Game-Theoretic Analysis of a Competitive Trading Card Game

该研究通过形式化验证将定性元游戏叙事转化为可检验的战略科学，展示了如何在竞争性博弈中应用均衡分析和动态模拟，可为德州扑克的策略分析和均衡求解提供方法论启示。

On the Power of Deception in Repeated Games

该研究与德州扑克中的虚张声势（bluffing）和策略欺骗高度相关，揭示了在重复博弈中通过塑造对手预期来获利的结构性条件，为理解扑克中的欺骗策略提供了博弈论基础。

Deciding Fast and Slow: The Role of Cognitive Biases in AI-assisted Decision-making

该研究直接探讨认知偏差在人机决策中的作用并给出缓解方法，对理解德州扑克中玩家的锚定效应（如率先下注影响）及如何通过调整决策时间改善判断具有启示。

A Gold-Standard Study of What Makes a Lightweight Game-Playing Agent Strong

该研究系统分析了不完美信息博弈中训练智能体的关键因素，其关于奖励设计和信息瓶颈的发现可启发德州扑克策略研究中模型训练和评估方法，但对人类决策启示有限。

Omission matters: Reframing omission as action reduces apparent loss aversion

本研究直接揭示了一个影响风险决策的关键认知偏差——不作为偏好，与德州扑克策略中的决策心理学相关。它提示在理解玩家决策时，不能简单将保守行为归因于损失厌恶，而需考虑对主动行动的回避倾向；对现实场景中改进风险判断和调整行为选择具有启示意义。

编辑范围说明

• method_evolution：未在规划阶段确认足够清晰的问题—方法—代价演进链。
• system_layers：未在规划阶段确认稳定的系统层级关系。

论文库