为什么 Stratego 比围棋难对付
围棋和国际象棋是「完全信息」游戏，双方看到的棋盘一模一样。Stratego 和中国的军棋是近亲：你知道对方棋子在哪，但不知道它是司令还是炸弹，只有交战时才会亮牌。玩家要一边猜，一边故意让对方猜错。
这类问题以前主要靠扑克 AI 那套方法，但 Stratego 的隐藏状态比扑克大太多。论文资深作者、MIT 的 Gabriele Farina 直言，为扑克开发的技术「在这个规模上肯定扩展不了」。DeepMind 的 DeepNash 2022 年靠海量算力做到了人类顶尖水平附近，但没能稳定击败最强选手。
便宜，才是这篇论文的重点
Ataraxos 的突破不只是赢，而是用少得多的训练赢。它不靠训练时把所有情况算透，而是在每一步落子前临时规划：先猜对手手里最可能是什么牌，再在这些假设下推演。Farina 的说法是，与其盲猜，不如在决策时找出最合理的棋盘状态。
这对 AI 研究的意义在于：「训练时多学、推理时少算」的路线成本太高，把一部分计算挪到决策时，可以用小得多的训练预算解决信息不完全的问题。这和大模型领域把算力花在推理阶段的思路是一致的。
离实际应用还有多远
研究团队提到，谈判、网络安全这类需要在信息不全时做决策的场景是潜在用途。但他们也承认，系统目前很难解释自己为什么这么走，下一步要做可解释性，让人能审核它的建议，然后才谈得上实际使用。
边界说明：MIT 称「世锦赛期间 39 胜 2 负」，有报道指出这是在世锦赛期间与到场选手进行的表演性对局，并非参加并赢下正式人类赛事；研究团队未让 Ataraxos 与 DeepNash 直接对战，效率对比基于双方各自公开的训练规模。