零和POSG保守策略迭代算法提出

2026年10月27日，arXiv cs.AI/cs.LG 报道一项面向有限时域零和部分可观测随机博弈（zs-POSG）的近似策略迭代算法。该方法为每位玩家维护一个策略，并沿占用态轨迹联合更新；每次更新仅使用当前联合策略诱导的单个支撑超平面，而非完整中心价值函数，使计算集中于当前策略可被利用的区域。在有限时域零和POSG基准上，该算法在小时间步具竞争力，更大时间步常改善相较PBVI、HSVI、CFR+的运行时-可利用度权衡。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。