AI击溃Stratego四冠王 训练成本仅8000美元

# AI击溃Stratego四冠王 训练成本仅8000美元 **时间：** 2026-10-01（Nature 论文 2026-09-30 上线） **地点：** 美国匹兹堡（卡内基梅隆大学）— Nature 在线发表 **人物：** - Pim Niemeijer — 四届 Stratego 世界冠军、15 届荷兰全国冠军，超 600 周世界第一 - Samuel Sokota — 卡内基梅隆大学，第一作者 - 联合团队 — 卡内基梅隆、NYU、斯坦福、MIT - 对照系统 — DeepMind DeepNash（前一代最强 Stratego AI） **事件详情：** 由卡内基梅隆、纽约大学、斯坦福和 MIT 联合开发的 Ataraxos 系统，以 15 胜 1 负 4 平的战绩击败四届 Stratego 世界冠军 Pim Niemeijer，有效胜率达 85%，为高水平人类对局前所未见。 Stratego（陆军棋）是最后几个对人类仍有优势的棋盘游戏之一——双方开局将 40 枚棋子面朝下秘密放置，可能的摆法超过 10^33。这种"不完全信息博弈"长期让传统强化学习和搜索方法失效，也是 DeepMind DeepNash 此前未能稳定击败顶尖人类棋手的原因。 Ataraxos 的训练成本仅约 8000 美元，使用 16 张 NVIDIA H100 GPU 训练一周加 4 天。与 DeepMind DeepNash 在 1024 个 TPU 节点上训练 2-3 个月（成本 300-450 万美元）相比，计算量仅为其 1/500，自玩局数仅 1/30（1.6 亿 vs 55 亿），训练样本仅 1/100。 技术核心包括两个 Transformer 自玩模块（摆棋 + 走棋）、一个"信念网络"预测对手隐藏棋子，以及测试时的"动态阻尼自玩"正则化方法。 **影响：** - 论文方法在 Barrage Stratego 实现首个超人类战绩、Hanabi 全部五难度刷新最佳、并击败斗地主既有最强 AI - 在 2025 Stratego 世界锦标赛表演赛中 40 局拿下 38 场，95% 有效胜率 - Nature 论文显示不完全信息博弈已不再阻碍强化学习，金融、军事、外交等高不确定性领域或迎来突破 **总结：** DeepMind 用百万美元、千人月都没稳定攻下的 Stratego，被 CMU/NYU/斯坦福/MIT 联合团队以 8000 美元训练成本攻破。AI 在所有主流棋盘游戏上对人类已无悬念，下一步战场正转向金融、军事和外交等不完全信息真实场景。 **参考来源：** 1. Nature 论文原文：https://www.nature.com/articles/s41586-026-11036-y 2. The Decoder 详细报道：https://the-decoder.com/ai-beats-strategos-greatest-player-ending-one-of-the-last-human-strongholds-in-board-games/ 3. AI Weekly 摘要：https://aiweekly.co/alerts/ataraxos-beats-stratego-world-champion-on-a-few-thousand-dollar-budget 4. Ataraxos 官方网站（对局档案）：https://ataraxosai.github.io/ 5. Digg 报道：https://digg.com/ai/yd997lbl 6. GitHub 开源代码：https://github.com/AtaraxosAI/stratego 7. 原始 ArXiv 论文：https://arxiv.org/abs/2511.07312