Polaris

Polaris 是由卡内基梅隆大学计算机科学系开发的限注德州扑克人工智能程序。它代表了早期扑克 AI 研究的重要里程碑，专注于在有限注额德州扑克中实现接近最优的策略。

Polaris 的核心算法基于博弈论和反事实遗憾最小化（CFR）技术，通过自我对弈和大量模拟来优化决策。与后来更知名的 AI 如 Libratus 和 Pluribus 不同，Polaris 主要针对限注版本，其策略更注重数学精确性和长期期望值，而非诈唬或心理战术。

2007 年，Polaris 在温哥华与人类职业扑克选手进行了公开对抗赛。比赛采用限注德州扑克，人类选手包括多名顶尖玩家。Polaris 在部分比赛中表现出色，但最终人类团队在总比分上略占优势。这一事件引发了关于 AI 在扑克中潜力的广泛讨论。

Polaris 的打法风格被描述为稳健且剥削性较弱，它倾向于避免高风险操作，而是通过持续的小额盈利积累优势。与人类选手相比，Polaris 在计算概率和长期决策上更为精确，但在适应对手的非常规策略方面存在局限。

尽管 Polaris 并未像后续 AI 那样完全击败人类精英，但它为扑克 AI 研究奠定了基础，证明了博弈论方法在复杂不完全信息游戏中的可行性。如今，Polaris 更多被视为学术研究的成果，而非商业产品，其代码和策略并未广泛公开。