在四月于里约热内卢举行的国际学习表征会议上，由麻省理工学院牵头，联合德州大学、加州大学伯克利分校、卡内基梅隆大学及纽约大学等多所机构学者共同发布的一项研究，刷新了学界对不完全信息博弈算法效能的认知。长期以来，该领域普遍假定基于博弈论原理的专用算法在训练神经网络参与策略对抗时具有绝对优势。然而，研究团队通过构建全新的公平评估基准，引入可被利用度指标量化表现，实验结果却显示，传统策略梯度算法在应对复杂博弈状态时，收敛与胜率均显著优于专用博弈模型。 该团队并未追求提出单一新算法，而是开源了一套轻量化基准测试框架。研究者仅需在普通笔记本上添加单行代码，即可调用该工具进行算法比对，彻底打破了过去依赖超级计算机评估大规模博弈状态的壁垒。研究人员强调，不完全信息广泛渗透于现实世界，此项发现证实了将经典决策框架与现代深度学习技术融合仍具极高潜力。该基准不仅为人工智能博弈训练提供了标准化测试床，更为军事推演、金融交易及商业谈判等多智能体战略交互场景的算法优化指明了新方向。