在大部分信息都被隐藏的情况下，棋盘游戏斯特拉特戈（Stratego）长期让 AI 无从下手，直到现在。科技媒体 Ars Technica 在 2026 年 10 月 1 日的报道中提到，一款 AI 终于战胜了史上最强的斯特拉特戈玩家，而且成本并不高。

深蓝在1997年击败卡斯帕罗夫的象棋，AlphaGo在2016年战胜李世石，扑克机器人也多年压制职业选手。但有一款经典游戏一直没被攻克：Stratego。就连预算雄厚的 DeepMind 也造不出能稳定战胜顶尖人类玩家的机器。

现在，来自卡内基梅隆、MIT、纽约大学和斯坦福的研究团队做到了。他们的人工智能 Ataraxos 以15胜1负4平击败了堪称史上最强的 Stratego 玩家 Pim Niemeijer。训练它只用了16块 GPU 和几千美元。

隐藏的军队

Stratego 中，每位玩家有40枚棋子代表军衔，从元帅到间谍，外加炸弹和军旗。夺下对方军旗即获胜。对手知道你的棋子在哪，却不知道它们是什么。只有两枚棋子交战时身份才会揭晓——较弱的一方被移出棋盘，胜者的身份也随之暴露。这让 Stratego 成为一个不完全信息博弈，跟扑克一样，而扑克早已被计算机攻克。

“Stratego 有一个非常独特的地方，就是它有大量隐藏信息，而且是在很长的时间尺度上逐步展开的。”NYU 研究员、论文合著者 Eugene Vinitsky 说。

在某些扑克变体中，隐藏信息极少。德克萨斯扑克“你只有两张暗牌”，MIT 计算机科学家、另一位合著者 Gabriele Farina 说。总共只有1326种可能的手牌，少到机器可以全部权衡。“而在 Stratego 里，棋盘上有40枚棋子，可以按任意顺序摆放。”那超过10^33种可能的布局。此外还有游戏长度的问题。

“下棋通常一局40步，但 Stratego 一局很容易下到2000步。”Farina 说。更麻烦的是，Stratego 还是一个诈唬的游戏。有时你会把一个弱子当元帅走，只为了吓退对手。诈唬太多，威胁就不再可信；从不诈唬，又会变得容易被预判。团队解释说，正是这种平衡难倒了此前的 AI，比如 DeepMind 在2022年推出的 DeepNash。

学会猜测

和 DeepNash 一样，Ataraxos 通过与自己对弈学习，总共下了1.63亿局。在这些自我对弈中，导致胜利的走法被强化、在后续对局中出现得更多，导致失利的走法则出现得更少，使用的训练思路同样简单。区别在于 Ataraxos 每局之后调整的幅度，因为隐藏信息往往会让自我对弈学习算法原地打转。团队的办法是：训练早期对策略做大刀阔斧的改动，后期则做小幅而谨慎的调整。

更大的创新是 DeepNash 从未有过的东西：每走一步之前先向前推演。AlphaGo 这类 AI 会在行动前用搜索来完善总体策略。DeepMind 无法在 Stratego 中做到这一点，因为搜索空间太大，值不值得尝试一直是个悬而未决的问题。

“这是我们确实弄明白的一件事。”Farina 说。方案是第二个神经网络——一个信念模型，训练它根据对手此前的走法来猜测其隐藏棋子。这样，Ataraxos 不再遍历每一种可能的排列，而是采样出合理的排列，在每种排列下推演候选走法，再根据推演结果做出选择。

这一点也体现在它的棋风上。

冷静、不受干扰

Ataraxos 的名字来自古希腊语，意为一种平静的状态。“它的意思是一个冷静、不受干扰的人。”Farina 解释说。他认为这个 AI 的结构和它没有人类情感这一点，保证它不会冲动行事，“即使在人类会抓狂的情况下”。人类可能在大幅落后时孤注一掷试图翻盘，Ataraxos 则会缓慢而有条理地把局面扳回来。

它发展出的策略还避免让人注意到自己面临的问题。当 Ataraxos 判断对手没有理由怀疑某个弱点时，它就不去动那个弱点，哪怕在能同时看到双方棋盘的人眼里，那简直像一场等着发生的灾难。

“对人类来说，知道一个秘密却要忽略它来决策，是非常难的。”Farina 说，“对机器来说很容易。”团队表示，这会让机器走出人类只在诈唬时才会走的棋，而且后续处理得比人类好得多。“我们会看着这个机器人从大约2%的胜率里‘诈唬’着翻盘，非常非常淡定。”Vinitsky 补充说。

Ataraxos 完成这些神奇逆转的对手 Niemeijer，拿过四次世界冠军，位居世界第一的时间超过600周。

比赛

在三周时间里，Niemeijer 与 Ataraxos 在线上下20局，每赢一局可得100美元。他知道这个 AI 不会去适应他，这让他有时间寻找弱点。他最终只赢了一局。

研究人员称，那场失利算不上什么缺陷。想下好 Stratego，就需要随机化棋子的排列，运气总会起作用。“即使策略完美，有时也会输。”Farina 说。

人类冠军显然是运气好，但运气是双向的。“有时是我们运气好。”Vinitsky 承认。

在2025年 Stratego 世界锦标赛上，挑战 Ataraxos 的与会者表现更差。AI 在40局中赢了38局。它还改变了人们的玩法。“我觉得这个机器人多少改变了整个博弈环境。”Farina 说。

比如，玩家们惊讶地发现它经常把军旗塞进角落，前面只放两颗炸弹——这是一种很少见的布阵。

但 Ataraxos 最厉害的招数或许是它的成本。

代价

DeepNash 用1024块谷歌专用芯片训练了两到三个月，Ataraxos 团队估计按2025年的价格，这笔开销在300万到450万美元之间。相比之下，Ataraxos 只需要16块 GPU 训练一周，外加4块 GPU 训练信念模型四天。

Farina 和第一作者 Samuel Sokota 是通过编写一个能在显卡上每秒运行数百万步的模拟器做到这一效率的。“以我们学术界的规模，我们并没有一整片 GPU 可用。”Farina 说。

这个算法学得也快得多——它对弈的局数比 DeepNash 少约34倍，最终却强得多。

Ataraxos 的架构在学习其他游戏时同样有效。同样的方法在 Barrage Stratego（只有八枚棋子的快速变体）上击败了三位世界冠军，掌握了合作卡牌游戏《花火》，还在中国纸牌游戏斗地主上击败了最好的机器人。但团队的目标是远比棋盘和卡牌游戏更复杂的场景。

棋盘之外

棋盘游戏规则固定、胜负明确，而谈判、金融市场或军事冲突等现实问题通常不是这样。但 Ataraxos 团队认为，差距比看起来要小，因为解决任何现实问题都始于为它构建一个简化模型。

“兵棋推演是人们常做的事。”Vinitsky 说，“你可以用这里推导出的技术把它推演下去，看看一个强大的对手会如何回应你的行动。”

Farina 和同事现在有兴趣让他们的 AI 更易理解，因为目前状态的 Ataraxos 无法解释自己为什么走出那些棋。“我们做的是能产生强大、同时也可解释、可说明的策略的机器。我觉得我们还没到那一步。”Farina 说。

Nature, 2026. DOI: 10.1038/s41586-026-11036-y

讨论整体偏兴奋与专业，分歧不大：多数人认可这是隐藏信息博弈的实质突破，只是对宣传口径有保留；少数人从人类玩家的角度表达失落，另有人指出静态棋牌被攻克只是时间问题，真正的难题在持续演化或带规则约束的游戏上。

认为 2022 年 DeepMind 的「攻克」名不副实

• 回头看 DeepNash 那篇「掌握 Stratego」，当时所谓的 mastering 并没有真正到位，四年后这套新方法才真正达到超越人类的水准（较多人）
• 也带来一点从业者的遗憾：有人一直把 Stratego 当作「还没被认真攻破」的目标，本打算自己做出第一个，如今被抢先（少数人） > 「掌握」这个词在 2022 年其实还差点意思，现在才算真的比人强。（@smokel）

觉得「16 张 GPU、几千美元」的说法淡化了背后的团队

• 成本数字确实惊人地低，但注意这是卡内基梅隆、MIT、纽约大学和斯坦福的研究者一起做的，不是随便谁花几千块就能复现（较多人）
• 换句话说，算力门槛下降是真的，人才门槛并没有（少数人） > 就 16 张 GPU、几千美元？可别忘了做这件事的是那几家学校的研究者，这可不是随便什么人。（@rovr138）

认为快速学会预测对手才是这套方法奏效的关键

• 隐藏信息博弈里不存在靠搜索就能找到的最优着法：最优解取决于你根本不知道的对手暗牌，若暗牌随机分布就和石头剪刀布一样没有最优解（较多人）
• 因此真正的突破在于学得足够快，能迅速建模对手，从而把「无从判断」变成「有依据的判断」；训练局数比 DeepNash 少约 34 倍却更强，正是这一点（较多人） > 训练量少了约 34 倍却更强，在我看来这才是核心，也是它之所以能成立的原因。（@janalsncm）

担心 AI 攻克游戏会改变人类玩它的方式

• 技术上很有意思，但每逢这类新闻都令人沮丧，尤其它已经开始影响人们下棋下牌的方式；乐趣本在于过程与体验，而盒子一旦打开就关不上了（少数人）
• 也夹杂着怀旧情绪：小时候碾压所有人以致找不到对手，却从没想过这游戏对模型来说会很难，更没想过它还有严肃的竞技圈（少数人） > 乐趣来自过程和体验本身。看看国际象棋和围棋被怎样彻底改变——那不算变好，而且盒子打开就关不上了。（@SilkRoadie）

认为静态游戏迟早会被攻破，难的是持续更新的卡牌游戏

• 这些游戏能被反复攻克，是因为规则静态；如果按周或双周持续推出新卡，一次加入就能让整个训练数据失效（少数人）
• 这类游戏的决策树深度、宽度和条件分支都比围棋、国际象棋、Stratego 高出几个数量级，即便同一回合、同样手牌和场面也未必可穷举，对算力受限的算法更难（少数人） > 只要每隔一两周推出有分量的新卡，人类这边的竞争环境就公平得多——一张新卡就能让全部训练数据作废。（@hnedeotes）

期待这套方法用在桥牌这类带「可解释性」约束的游戏上

• 桥牌同样是不完全信息博弈，但多了一层可解释性：所有搭档约定必须公开，对手有权知道某个叫品承诺了什么（少数人）
• 这对自对弈强化学习提出真问题：需要以规则化的中间描述来传递信息，而不是让搭档直接采样自己的系统；还要能消化对手各不相同的体系（少数人）
• 还得处理欺骗：合法地违背自己的约定叫牌时，机器对手若把这种可能判为零概率，就会在无关紧要的局面下随机出错，而人类会自然选对（少数人）

有价值的补充

• 有人问这套方法在「静默防御」变体下表现如何：该变体中防守方不亮牌、由裁判按数字小者出局，只有在侦察兵进攻时才必须亮牌，不确定性比标准规则更大。
• 同一思路据说也适用于《花火》：你看不见自己的手牌，别人却看得见，是很有意思的协作式不完全信息游戏。
• 官方放出了对局存档站点，可以自行查看棋谱。
• 顺带勾起了老玩家的回忆：1998 年 Hasbro 的 Windows 版 Stratego 至今可在互联网档案馆找到。