MasterAI v3.0 是面向**单挑无限注德州扑克（Heads-Up No-Limit Texas Hold'em，HUNL）**的博弈 AI 研究项目，围绕反事实遗憾最小化（CFR）、自我博弈强化学习、深度神经网络、反事实价值计算和在线策略重解展开。
专题页面：德州 AI 源码 · 德州机器人研究 · 德州辅助软件与离线分析
本项目用于博弈论、非完美信息博弈和多智能体决策研究。请勿将其用于违反适用法律、平台规则或第三方权利的活动。
| 方向 | 仓库中的相关内容 |
|---|---|
| CFR 与博弈树 | csrc/、遗憾值文件、状态抽象和树搜索相关模块 |
| 扑克规则 | game/ 中的牌局逻辑、动作空间与状态处理 |
| 反事实价值 | cfv/ 中的 Counterfactual Value 计算模块 |
| 强化学习 | rela/、supervised_strategy/ 和训练入口 |
| 对手与机器人 | robot/、自我博弈和对手策略模块 |
| 服务集成 | ipc/、proto/、redis/、房间逻辑和 Python 服务脚本 |
| 评估 | benchmark/、tests/ 与项目报告的性能指标 |
| 模块 | 研究方案 |
|---|---|
| 核心算法 | CFR 系列方法、遗憾匹配和策略平均 |
| 博弈类型 | HUNL，两人零和非完美信息博弈 |
| 学习方式 | 自我博弈、监督策略与强化学习组件 |
| 状态评估 | 深度神经网络与反事实价值估计 |
| 在线决策 | 公共状态建模、局部搜索与连续重解思路 |
| 工程实现 | C++ 核心计算、Python 编排、IPC、Protobuf 与 Redis 组件 |
标准表格型 CFR 在满足条件的有限两人零和博弈中具有遗憾收敛性质。引入函数逼近、抽象、剪枝和在线搜索后，具体收敛性与性能取决于实现、训练过程和评估协议，不能仅由算法名称推断。
flowchart LR
A[Game State and Public State] --> B[CFR / Search Engine]
B --> C[Counterfactual Value]
C --> D[Policy and Value Models]
D --> E[Action Selection]
E --> A
F[Self-Play and Evaluation] --> D
benchmark/ 基准评估
cfv/ 反事实价值计算
conf/ 训练与运行配置
csrc/ C++ CFR、博弈树和底层计算
game/ 扑克规则与状态逻辑
ipc/ 进程间通信
proto/ Protobuf 接口
redis/ Redis 集成
rela/ 强化学习智能体组件
robot/ 对手与机器人策略
roomlogic/ 房间和服务逻辑
supervised_strategy/ 监督策略模块
tests/ 测试
main.py 训练或服务入口
run.py 运行入口
train.sh 训练脚本
deploy.sh 部署辅助脚本
当前 README 曾报告以下结果：
| 对手 | 项目报告胜率 |
|---|---|
| Random Bot | 85% |
| Rule-based AI | 72% |
| CFR Baseline | 58% |
这些数值是仓库原有文档中的项目报告结果，并非本次整理独立复现的结论。在引用或比较之前，应补齐提交版本、随机种子、对手实现、盲注、筹码深度、手数、硬件、置信区间和原始日志。详见 BENCHMARKS.md 与 REPRODUCIBILITY.md。
本仓库同时包含 C++、Python、Shell、Protobuf、Redis 和多组历史组件。不要在未确认依赖与参数的情况下直接把示例命令用于生产环境。
建议按以下顺序评估：
- 阅读
LICENSE、License.md、配置目录和脚本内容，并向维护者确认适用的授权条款。 - 建立隔离的 Linux 测试环境，并确认 Python、C++ 编译器、CMake、PyTorch、Redis 和第三方库版本。
- 检查
main.py、run.py、train.sh和deploy.sh的真实参数与路径。 - 先运行最小测试和小规模 benchmark，再评估完整训练资源。
- 记录提交哈希、配置、种子、硬件、数据、模型和原始输出。
根目录 LICENSE 当前缺少可识别的完整许可文本，仓库另有 License.md。两者会造成授权歧义；使用、分发或商用前，应由维护者明确唯一适用的许可证并补齐正式文本。
RESPONSIBLE-USE.md 是使用政策和风险提示，不构成许可证。使用者仍需遵守适用法律、平台规则、隐私和数据保护要求。
- 贡献指南
- 安全报告
- Telegram：@xuzongbin001
- Email：masterai918@gmail.com
如果本项目对你的研究有帮助，请在论文或技术报告中按 CITATION.cff 引用，并记录所使用的提交版本。