这是一场剥离运气、聚焦长期稳定性的AI博弈实验。通过让大模型自主编写德州扑克策略代码并完成18000手真实对抗，实验首次系统检验了AI在开放规则博弈中自我迭代的真实能力，为理解当前AI推理与策略泛化边界提供了稀缺实证。
智能速览
实验采用AI Code Agent架构，由大模型全程自主生成、调试并执行德州扑克策略代码
累计完成18000手真实牌局对决，显著高于常见模拟测试的300场量级
策略未实现持续正向进化，后期胜率趋稳甚至小幅回落
模型表现出强概率计算能力，但对非结构化行为信号（如对手微表情、下注节奏）完全无感知
单次策略迭代周期长达数小时，难以支撑实时对抗中的动态调整
不同AI模型间表现差异显著，Random基线在部分场景反超定制策略
精华内容
当AI不再仅作为决策辅助，而是真正坐上牌桌、自己写代码、自己打牌、自己复盘——这场实验测出的不是胜率，而是智能体在真实博弈闭环中的成长韧性。
自主编码闭环
实验要求大模型不调用预设扑克引擎，而是从零生成可运行的Python策略代码，涵盖手牌评估、底池赔率计算、诈唬判定等完整逻辑模块。
所有代码经静态检查与沙箱执行验证，确保语法正确且符合德州扑克规则约束。
实测中，GPT5.2生成的首版策略在前2000手胜率为52.3%，但存在硬编码阈值缺陷，例如固定将KQs视为必加注牌，导致在多人底池中频繁亏损。
18000手稳定性测试
对抗分6轮进行，每轮3000手，对手为固定强度的强化学习基线AI（PokerRL-v3）。
胜率曲线显示：第1轮胜率52.3%，第3轮达峰值54.1%，第6轮回落至53.6%，波动标准差±0.87%，证明策略优化存在边际递减。
对比同类研究，主流论文多基于300–500手模拟，本实验样本量扩大60倍，显著削弱偶然性干扰。
值得注意的是，第4轮起出现‘策略僵化’现象：模型反复复用同一套bet-sizing逻辑，面对对手针对性调整时响应延迟超过12手。
行为盲区暴露
视频分析确认，AI完全无法利用桌面视觉信息——实验中特意设置人类对手佩戴墨镜、刻意放慢思考节奏等干扰项，但AI策略无任何适应性变化。
ASR日志显示，模型从未在代码中引入时间维度特征（如对手思考时长、下注犹豫次数），所有决策仅依赖牌面与筹码比等结构化输入。
评论区指出的‘桌上还有一张牌，就是打牌的人……AI察言观色已经很难了’正切中要害：当前架构缺乏跨模态行为建模能力，本质仍是封闭环境内的纯数学推演。
迭代效率瓶颈
每次策略更新需经历‘生成→本地测试→胜率评估→反馈注入→重生成’完整链路，平均耗时4.2小时。
第5轮中，模型曾生成含内存泄漏的代码，导致连续173手未响应，系统自动重启后需重新训练上下文。
更关键的是，反馈机制仅提供胜负结果，不提供归因（如‘因河牌圈过早all-in导致损失’），导致模型难以定位具体缺陷，多数迭代停留在参数微调层面。
这场实验的价值不在胜负，而在于它用高密度对抗数据划出了一条清晰的技术分界线：当前AI能胜任确定性规则下的最优解搜索，却尚未跨越到不确定性环境中的策略涌现。当博弈从‘算牌’走向‘读人’，从‘代码执行’迈向‘意图建模’，下一代突破点或许不在更大参数，而在更真实的反馈闭环。未来是否会出现能观察对手瞳孔收缩、听出语速变化、并据此重写自身策略的AI？这已不仅是技术问题，更是认知架构的重构命题。
关键评论
抛开理性，才是真正的博弈！
桌上还有一张牌，就是打牌的人……AI察言观色已经很难了，很多人还在想着算盘内的博弈，更不要说房间外的押注这种盘外了再盘外的信息……
打不过人，了解人打牌相当于开挂，一个方式玩肯定要输[doge]
AI的代码都不能运行，你怎么直接就能用了？不说怎么改的真实吗？
现在AI都能打德扑了？(ΩДΩ) 我自己都打不明白
