TechRxiv综述：以斗地主为基准测试平台梳理不完全信息纸牌游戏AI方法

TechRxiv于2026年3月6日发布的一篇综述以斗地主作为不完全信息纸牌游戏（IICG）的代表性测试平台，系统梳理并归类现有AI方法。作者Qian Luo、Daochen Zha、Tianqiao Zhang与Xuewen Tan指出，不完全信息游戏因隐藏信息与多智能体交互而对决策构成挑战，其中IICG规则各异、策略结构多样，但既有综述多聚焦一般多智能体学习，对这一子类关注不足。据该综述，斗地主因三方角色不对称、状态-动作空间大、策略交互复杂而成为新兴研究热点，近期工作涵盖基于搜索的方法（如MCTS）、深度强化学习方法（如DQN、DMC、PPO）以及融合学习、搜索与对手建模的混合方法。作者称现有文献仍较零散、缺乏系统综合，因此该文分析各类方法的优势与局限、梳理趋势并与现有基线比较性能，同时提出超越标准规则的泛化、叫牌与出牌统一、持续学习及标准化评估等开放挑战与未来…