arXiv: Google DeepMind@Juho Kim, Tuomas Sandholm
精选58
推荐理由：博弈论和AI研究者终于有了加速CFR的实用方案——GPU并行化让求解速度提升万倍，做不完美信息博弈的团队可以直接用这个框架改造现有算法。
全部 AI 动态
AI 相关资讯全量信息流
5月15日
11:24
这篇论文提出了一种将反事实遗憾最小化（CFR）算法并行化的通用框架，通过将CFR重新表述为一系列线性代数运算，从而利用现有的并行线性代数技术加速。实验表明，在GPU上实现的CFR比Google DeepMind的OpenSpiel库在CPU上的实现快高达四个数量级。该框架还适用于CFR+、折扣CFR和预测变体等最先进的表格型CFR算法。这项工作填补了并行化在博弈求解领域应用的空白，有望大幅加速大型不完美信息博弈的求解。