arXiv cs.AI· Aske Plaat·· 3 天前AI 评分22
《Learning to Play：强化学习与游戏》——一本 342 页的强化学习教材
Learning to Play: Reinforcement Learning and Games
AI 导读
一本 342 页的强化学习教材《Learning to Play: Reinforcement Learning and Games》在 arXiv 发布，系统梳理了国际跳棋、西洋跳棋、国际象棋、Atari、围棋、扑克和 StarCraft 等游戏中的强化学习突破。
正文 · AI 翻译
摘要：强化学习领域已取得惊人的突破。计算机自学下国际象棋和围棋，并击败世界冠军。人们正在讨论将应用领域扩展到通用人工智能（AI）。在西洋双陆棋、跳棋、国际象棋、Atari、围棋、扑克和《星际争霸》中的突破表明，我们可以构建出展现最高水平智能博弈的机器。这些成功已被媒体广泛报道，并激励着 AI 创业者和科学家。游戏中的强化学习已成为主流 AI 研究课题。这是一个广泛的课题，其成功建立在一系列多样化的技术之上，从精确规划算法到自适应采样、深度函数逼近以及巧妙的自对弈方法。也许是因为这些技术的广度，或者是因为这些突破的新近性，深入解释这些方法的书籍很少。本书在一本综合性著作中涵盖所有方法，解释最新研究，尽可能让你接近可运行的实现，并大量引用原始研究论文。本书中的编程示例使用 Python，这是当前大多数强化学习研究所使用的语言。我们帮助你入门 Gym、TensorFlow 和 Keras 等机器学习框架，并提供练习以帮助理解 AI 如何学习玩游戏。
| 评论： | 342 页，教科书 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.17391 [cs.AI] |
| （或使用 arXiv:2610.17391v1 [cs.AI] 获取此版本） | |
| https://doi.org/10.48550/arXiv.2610.17391 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
发件人：Aske Plaat [查看电子邮件]
[v1]
2026 年 10 月 12 日星期一 20:56:44 UTC（115,832 KB）
来源：arXiv cs.AI · arxiv.org