概念self-play / 自博弈
自我对弈
一种强化学习训练范式，智能体通过与自身的历史版本或当前版本对弈来生成训练数据并持续提升，广泛应用于棋类和游戏AI训练中。
时间轴 (近 90 天)
9月8日
DeepMind在仿真环境中进行的机器人摔跤研究证明,通过自我对弈训练的智能体能够自发涌现出类似人类格斗中的假动作、反击和位置控制等高级策略
待验证50%
9月4日
在完全信息的零和博弈中，自我对弈可以被证明收敛到纳什均衡策略
待验证50%
9月3日
持续的自我对弈对计算资源消耗极为可观，是对抗性协同进化路径的成本挑战
待验证50%
8月24日
不适合追求强互动、直接对抗或嘴炮乐趣的玩家，游戏中玩家间的互动偏弱，主要是各自规划路线、间接竞争资源
待验证92%