本週刊於《Nature》的論文，核心數字不是勝敗紀錄，而是價格。一個名為Ataraxos的代理人用16張GPU跑了一週，再加上4張GPU跑四天，就達到作者所說的「遠超人類」西洋軍棋（Stratego）水準，帳單只有數千美元。此前的最佳系統是Google DeepMind的DeepNash，它動用1,024顆專用晶片跑了兩到三個月，新團隊估算以2025年的價格計算要花300萬到450萬美元，而且仍無法穩定擊敗頂尖人類。
重點摘要
- Ataraxos以15勝1敗4和擊敗Pim Niemeijer，後者是四屆世界冠軍，世界排名第一的週數超過600週。
- 它的自我對戰局數約為DeepNash的三十四分之一，總計1億6,300萬局，訓練費用只有數千美元，而非估計的300萬美元以上。
- 關鍵元件是第二個神經網路，也就是推論對手暗棋身分的信念模型，它讓西洋軍棋首次能在落子前進行搜尋。
運算成本省在哪裡
這段成本落差不是用了更便宜的硬體。團隊以CUDA C++自行撰寫西洋軍棋模擬器，讓顯示卡每秒執行數百萬次狀態更新，這是調不到大批加速器的實驗室才會投入的工程。MIT的通訊作者Gabriele Farina表示，為撲克這類遊戲開發的技術，面對西洋軍棋的隱藏資訊量根本無法擴展。
比硬體數量更重要的是樣本效率。兩套系統都藉由和自己對戰學習，強化取勝的走法、淘汰落敗的走法。差別在於Ataraxos每跑完一批對戰後修正策略的幅度：訓練初期做大刀闊斧的調整，之後逐步轉為細微而謹慎的修正。隱藏資訊容易讓自我對戰強化學習陷入循環，而這套調整節奏正是團隊守住收斂的手段。最終它只用1億6,300萬局訓練，就勝過胃口大得多的DeepNash，而且練出更強的代理人。
搜尋為何是缺失的那一塊
AlphaGo這類系統會在每次落子前立刻跑一次搜尋，把通用策略磨利。DeepMind無法在西洋軍棋上套用這招，因為可能的暗棋排列幾乎沒有上限：每方40枚棋子任意擺放可產生超過十的三十三次方種開局，一局棋還能拉長到2,000步，而西洋棋大約是40步。落子前的搜尋究竟值不值得一試，過去連這個問題都懸而未決。
Ataraxos用第二個網路給出答案，這個網路受訓根據對手移動棋子的方式，估計那些棋子究竟是什麼。代理人不去窮舉所有排列，而是抽樣出合理的排列，在每個樣本裡把候選走法推演到底，再依結果挑選。這把一個算不完的搜尋換成了抽樣問題——與當年讓撲克變得可解的概念轉折相同，只是套用在隱藏狀態大上好幾個數量級、而且整局都不會揭露的遊戲上。
由此浮現的行為明顯不像人類。代理人不必背負自己知道祕密的壓力，所以當它判斷對手沒有理由起疑時，就讓弱點原封不動地留著；它執行虛張聲勢的一致性也是人做不到的。Farina形容這是人類辦不到的風險計算方式：最有價值的棋子一旦暴露，人會開始慌，而代理人保持鎮定，拒絕做出那種會洩漏自身祕密的過度補救。這個名字取自古希臘文中「免於焦慮」的用語。
人機對戰結果實際說明了什麼
Niemeijer在三週內下了20局線上棋，每勝一局可得100美元，而且他知道這個代理人不會針對他調整——這項條件給了他時間探測弱點，他也確實拿下一局。作者認為這一敗不是缺陷，因為高水準的西洋軍棋要求隨機化自己的開局佈陣，運氣因此永久留在雙方的賽局之中。
更大的樣本則一面倒。在2025年西洋軍棋世界錦標賽上，挑戰這個機器人的參賽者40局輸了38局。它也改動了競技圈的策略風向，讓社群原本看不上的佈陣重獲正當性，例如把軍旗藏在角落、前面只擺兩顆地雷。
這套架構能走多遠
同一套方法在節奏更快的變體Barrage Stratego擊敗三位世界冠軍，應付了合作型卡牌遊戲Hanabi，也在鬥地主打敗現有最強的機器人。能橫跨合作、競爭與多人卡牌遊戲，是「信念模型加搜尋」這套配方屬於通用方法、而非為單一遊戲調校的最有力證據。
團隊的企圖延伸到談判、金融市場與兵棋推演，理由是處理任何現實問題都得先為它建一個簡化模型。這目前仍是論點，不是驗證結果——棋盤遊戲提供固定規則與明確勝者，而他們點名的那些領域兩者都沒有。更貼近眼前的限制是Ataraxos無法解釋自己；Farina把可解讀、可說明的策略定位為目標，而非已經達成的成果。
展望
這篇預印本自2025年11月起就已公開，所以這次的新聞是通過同儕審查，而不是結果本身。它所確立的，是對「剩下的硬核基準測試都需要前沿級預算」這項假設的反例：突破來自一次演算法層面的重構，而這是六位作者的學術團隊就能負擔的。與此並列的另一項發現是，AI系統本身目前還幫不上產出這類重構的忙，近期一份基準測試就發現AI代理人幾乎無法改進訓練演算法。
FAQ 常見問題
Ataraxos是什麼？
它是Carnegie Mellon、MIT、NYU與Stanford研究人員打造的西洋軍棋代理人，把自我對戰強化學習與落子前搜尋結合起來。它最與眾不同的元件是一個信念模型，用來估計對手暗棋的身分，而這正是讓一款藏有如此大量資訊的遊戲能夠往前推演的關鍵。
西洋軍棋為何比西洋棋、圍棋或撲克更久才被AI攻克？
它的隱藏資訊既龐大又持久。棋子身分在兩枚棋子相撞之前都不會揭露，每方可能的開局佈陣超過十的三十三次方種，一局棋還能拖到2,000步。有效的下法還需要拿捏得當的虛張聲勢，而過去的自我對戰系統很難取得這個平衡。
這能移出棋盤遊戲嗎？
這套架構已經推廣到Barrage Stratego、Hanabi與鬥地主。至於移往談判或市場這類開放式場景，是作者宣示的方向，不是已發表的成果；代理人缺乏可解釋性，也是把它用在需要為決策提出理由的場合時的實際障礙。
