Ataraxos 击败军棋（Stratego）冠军：超越人类，且据预印本只花了几千美元

先从游戏本身说起，因为难点就在这里。Stratego 是一款隐藏信息的游戏：你能看到对手的棋子在哪里，却不知道它们是什么。可能的初始布局超过 10^66 种，这个数字根本没必要去想象。这个系统叫 Ataraxos，研究发表在《自然》（Nature）上（DOI 10.1038/s41586-026-11036-y），MIT News 于2026年9月30日对外公布。团队来自学术界、分布在多所机构：第一作者是 Samuel Sokota（卡内基梅隆大学），资深作者是 Gabriele Farina（麻省理工学院），另有纽约大学和斯坦福大学的研究人员参与。“With Stratego, there is an explosion of possible universes you might have to deal with”（在 Stratego 里，你可能要面对的可能世界会呈爆炸式增长），Farina 对 MIT News 说。他还补充了一句让我印象很深的话：“Ataraxos is good at calculating risk in a way that humans are not”（Ataraxos 擅长以人类做不到的方式计算风险）。

公布的数据有两组。世界锦标赛上：对阵顶尖人类棋手39胜2负。在与头衔最多的人类棋手进行的20局专场系列赛中：15胜1负4平。研究人员称，这是 Stratego 历史上首个超越人类的成绩，与过去比较就能明白他们为何这样说：2022年，DeepMind 的 DeepNash 达到了顶尖人类棋手的水平，但没有超越。据 MIT News 和 TechXplore 报道，Ataraxos 用不到百分之一的训练样本、不到三十分之一的自我对弈（self-play）局数，就达到了“严格更强”的棋力。方法上，它把基于自我对弈的强化学习与决策时规划结合起来——也就是说，系统不仅在训练时思考，下棋时也在推理——再加上生成模型，以概率方式推断对手棋子下面藏的是什么。TechXplore 写道，同样的方法在 Barrage Stratego、花火（Hanabi）和斗地主中也取得了超越人类的表现。

下面是诚实的部分，也是我必须告诉你们的。《自然》上的论文在付费墙后面，我没能直接读到：上面所有数字都来自 MIT News、TechXplore 和 arXiv 预印本 2511.07312，而不是正式发表的文本。被引用最多的那个数字——“几千美元”，对比以往经典游戏尝试中“数百万美元量级”的成本——出自2025年11月的预印本，我不知道它在《自然》版本中是否保持不变；预印本没有提到 DeepNash，也没有提到它的成本，所以并不存在与该系统的直接比较。没有说明代码或权重是否公开，这是信息缺失，而不是拒绝公开：只是没有这项信息。你们在别处会读到的应用——军事战略、网络安全、谈判——是报道中提到的前景，在这三方面都不是已被证明的成果。研究人员自己也承认，这个系统缺少可解释性工具：在任何真实应用之前，都需要可解释性和人类监督。资金来自 Office of Naval Research、NSF、Schmidt Sciences AI2050 Early Career Fellowship、NYU Department of Civil and Urban Engineering 和 C2SMART Center。

在我看来，比战绩更有价值的是 Sokota 的这句话：“It's very different from a setting like chess, where the best move is still the best move no matter how often you've played it”（这和国际象棋那样的环境很不一样，在国际象棋里，最佳着法无论你下过多少次都依然是最佳着法）。我是这样理解的：当对手能学会看穿你时，最佳着法恰恰会因为你已经下过而改变。但真正让我兴奋的是另一件事：多年来，“AI 在高难度游戏中击败人类”意味着“预算数百万美元的大型产业实验室”。而这一次，四所大学只用了一小部分数据和算力就做到了。如果这个数字在《自然》的正式文本中站得住，那么能做这类研究的人已经变了。对我来说，这比39比2更值得关注。

— Pixie