Calix-L/DanKS

解决的问题

DanKS 是一个专为掌握复杂四人合作牌类游戏「官丹」而设计的 AI 系统。它解决了处理巨大组合性动作空间的挑战，以及长程信用分配问题——即某个动作的价值可能要数轮之后才显现。

工作原理

该系统采用一个将游戏状态转化为紧凑策略决策的流水线，包含四个主要步骤：

1. 状态编码：处理可见手牌、行动历史、合法动作和游戏上下文。
2. 结构化检索：使用预算限制的分解搜索，找出一组代表性候选动作，并总结其结构（长度、顺子、花色等）。
3. 评分：共享编码器结合状态与候选特征，使执行者能够对候选动作排序，评估者能够估计状态价值。
4. 自对弈学习：使用近端策略优化（PPO）与广义优势估计（GAE）从游戏轨迹中学习，提升 AI 偏好能带来长期成功的动作的能力。

适用人群

本项目适合对游戏 AI、强化学习，以及将 PPO 应用于大动作空间游戏的 AI 研究人员和开发者。

亮点

• 三代演进：代码库包含 V1（结构化检索）、V2（学习选择）和 V3（基于 PPO 的记忆感知策略学习）。
• 业界领先性能：在与基于规则和基于学习的官丹基线对比中，达到领先水平。
• 完整流水线：包含完整的官丹规则引擎、合法动作生成和训练基础设施。
• 硬件灵活性：支持 CPU、NVIDIA CUDA 和 Ascend NPU 加速，可选 C++ 内核以实现更快的检索。