四校发 Ataraxos：Nature 首发，不到 8,000 美元算力打赢人类最强 Stratego 棋手
卡内基梅隆、纽约大学、斯坦福与麻省理工的联合团队 9 月 30 日在《Nature》发表论文《Scalable decision-making for games of imperfect information》，提出 Stratego AI 系统 Ataraxos，称它是首个在这款隐藏信息棋盘游戏上达到超人水平的 AI。Stratego 双方各 40 枚棋子背面朝上布置，可能的布阵超过 10 的 33 次方，棋子等级只在两枚相遇时揭示，夺旗即胜。这类博弈里一步棋的价值不仅取决于之后怎么走，还取决于此前发生了什么，而先前从扑克 AI 派生出的方法只在隐藏信息较少时有效。
官方 20 局系列赛中，Ataraxos 以 15 胜 1 负 4 平击败 Pim Niemeijer：四届世界冠军、15 次荷兰全国冠军，累计超过 600 周位居世界第一。训练账本很薄：16 张 H100 跑一周，另用 4 张卡、4 天训练信念网络，按 2025 年价格折算不到 8,000 美元。论文称这约为 DeepMind 早期系统 DeepNash 算力的 1/500、自对弈局数的 1/30、训练样本量的 1/100；后者据作者回忆在 1,024 个 TPU 节点上训练了两三个月，折价约需 300 万至 450 万美元。两组系统没有同场比较——论文写明 DeepMind 答复称 DeepNash 的代码已不能运行。
方法上，Ataraxos 不使用任何人类棋谱，纯靠自我对弈；关键在于训练时额外施加一个条件，逼它把布阵与走法摊开，而不是早早锁死成固定套路。这一正则化压力随训练推进逐步放松，学习步长同步调整，避免在不完全信息博弈里绕圈或失稳——作者把正则化比作能量储备，烧得太快会早期猛进、后劲不足。还需留意一个不对称：Ataraxos 整轮系列赛都用固定策略出战、不随对手调整，等于把被研究、被针对的机会让给对方。这个比分因此更值得记住的一点是：不完全信息下的规模化决策，可能不再需要工业级的算力预算。