为什么自博弈在围棋中有效，在 LLM 中却很难？

i_dg23 · x · 2026-08-01

作者探讨了自博弈在双人零和博弈（如围棋、扑克、星际争霸）中表现优异，但在现实领域应用困难的原因。

核心在于，自博弈在双人零和博弈中会收敛至极小化极大策略，这是一种期望上不可战胜的策略。然而，这并不总是最优选择：如果对手很弱，采用该策略可能无法实现收益最大化（例如在扑克中无法从弱玩家身上赢最多的钱）。由于现实世界环境极其复杂且非零和，自博弈在 LLM 训练中尚未取得广泛成功。