十六年前，我编写了一个Java程序，试图为名为Drop7的益智游戏选择理想走法。每一回合，玩家的下一步只有七种选择，但偶然因素使这个看似简单的游戏变成了一个极其困难的问题，涉及搜索、隐藏信息、长期规划和机遇。
本周末我重新开展了这项研究，探讨是否存在平均每局超过一百万分的自主策略。经验丰富的人类玩家可以凭借长远的策略思考达到一百万分，但我目前能想到的最佳自动化策略平均得分仅在30万至40万分左右。
迄今为止最有潜力的研究方案是在深度为4的搜索中使用学习到的查找表，在512局未见过的游戏中平均得分为516,155分。在同样的游戏中，带有手工编写叶节点评估的深度为4的期望最大化算法平均得分为382,567分。两者仍远低于一百万分，因此这一研究问题仍未解决。
参与其中最简单的方式之一，是在全球排行榜上竞争，并在drop7.dev/compete提交你的人工策略。该项目同时也是一项实验，探索如何将智能体用作研究协作者和证据收集者。完整代码库已在GitHub上发布，地址为keshavsaharia/drop7-bench。
我们特别欢迎熟悉博弈论、随机规划、学习型价值函数或重尾评估的人士提出反馈。你会如何处理这里的长视野行动排序问题？
来源: Hacker News · 由HeadlinesBriefing整理摘要