RhythmLag
AI poker and decision systems under uncertainty 面向不确定环境的 AI 扑克与决策系统 KI-Poker und Entscheidungssysteme unter Unsicherheit
Beijing · 2026 第 02 版
北京 · 2026 Ausgabe 02
Peking · 2026
Poker as a laboratory for intelligence.
RhythmLag is an independent AI poker research system for multi-agent decision-making under uncertainty. Poker provides a rigorous, measurable environment for studying imperfect-information reasoning, strategic adaptation, and long-horizon decisions. The system combines persistent self-play, versioned policy milestones, evidence-led Champion selection, and bounded real-time search in one reproducible loop. Its methods are platform-neutral and designed to be evaluated across poker environments. The aim is to develop poker agents that can be measured, challenged, and improved over time, while extracting transferable insights for intelligent decision systems.
把扑克当作研究智能决策的实验场。
RhythmLag 是一个独立的 AI 扑克研究项目,关注不确定环境中的多智能体决策。扑克同时具备信息不完备、对手持续适应、决策影响跨越多个阶段等特征,因此能够提供严格而可量化的实验条件。系统把长期自我博弈、可追溯的策略里程碑、由证据驱动的 Champion 选择,以及有预算约束的实时搜索连接成一套可复现实验流程。研究方法不依赖特定平台,可以在不同扑克环境中验证。我们的目标,是持续测量、挑战和改进智能体,并沉淀可迁移到其他复杂决策问题的方法。
Poker als Labor für Intelligenz.
RhythmLag ist ein unabhängiges KI-Poker-Forschungssystem für Mehrparteien-Entscheidungen unter Unsicherheit. Poker dient als anspruchsvolle, messbare Umgebung für Schlussfolgern bei unvollständiger Information, strategische Anpassung und langfristige Entscheidungen. Das System verbindet kontinuierliches Self-Play, versionierte Policy-Meilensteine, evidenzbasierte Champion-Auswahl und begrenzte Echtzeitsuche in einem reproduzierbaren Kreislauf. Die Methoden sind plattformneutral und für die Evaluation in unterschiedlichen Pokerumgebungen ausgelegt. Ziel sind Poker-Agenten, die dauerhaft gemessen, herausgefordert und verbessert werden können, sowie übertragbare Erkenntnisse für allgemeinere intelligente Entscheidungssysteme.
Five connected modules turn training into a research program.
RhythmLag is organized as a chain of distinct questions: how a policy learns over time, where a bounded experiment should concentrate effort, what evidence is sufficient to compare two states, how a control layer may recommend a transition without silently acquiring authority, and how a verified policy becomes the starting point for decision-time search. The modules share provenance, but each keeps its own measurement and permission boundary.
Policy learning and milestone lineage
Long-horizon self-play advances a versioned policy lineage. A milestone is treated as an identifiable research object: its parentage, accumulated evidence and evaluation context remain bound together so that later comparisons refer to the same object.
Boundary · a newer artifact is not automatically a stronger or publishable policyDirectional learning without rewriting the baseline
Enhance Training isolates a declared strategic question and allocates a bounded learning campaign around it. The source policy remains identifiable, accepted work is recorded, and the resulting candidate returns to comparison rather than replacing the main line by assumption.
Boundary · targeted learning is an experiment, not Champion or production authorityObserve, diagnose, replay and recommend
Takeover studies how a control layer can assemble immutable observations, diagnose an incident, replay a proposed state transition and issue a bounded recommendation. Its present public meaning is governance: evidence can move forward while execution permission stays with the operator.
Boundary · local evidence only; no implied authority over live training, Champion or productionComparison before selection
Paired self-play, coverage measurements and external decision replays answer different questions. RhythmLag keeps those measurements separate, records uncertainty, and asks whether evidence supports a research decision before any candidate is described as selected.
Boundary · coverage, agreement and strategic value are not interchangeable metricsBounded real-time search from an exact policy
Decision-time search is downstream of policy learning, not a substitute for it. It starts from an exact verified policy, reasons within a bounded decision budget and preserves the separation between offline learning evidence, online search behavior and any platform-facing integration.
Boundary · a search result does not alter the training lineage or publication state五个彼此衔接的模块,构成完整的训练研究体系。
RhythmLag 依次回答五类问题:策略如何长期演进;一次有边界的实验应该把算力集中到哪里;比较两个策略状态需要哪些证据;控制层怎样提出转换建议,却不越过操作权限;以及经过验证的策略如何成为实时搜索的起点。各模块共享同一套来源记录,但测量口径和授权范围彼此独立。
策略学习与里程碑演进
长期自我博弈推动策略版本持续演进。每个里程碑都保留明确的来源版本、累积证据和评测条件,因此后续比较始终针对同一个、可核验的研究对象。
边界 · 版本更新不等于策略更强,也不代表已经具备发布条件围绕特定问题训练,同时保持基线不变
增强训练先界定一个具体策略问题,再围绕它开展有边界的学习实验。基线策略始终可以核验,能够计入的训练工作都有凭据;实验得到的候选策略必须重新接受比较,不会直接替代训练主线。
边界 · 定向训练属于研究实验,不等于 Champion,也不带来生产授权从固定观测、异常诊断到方案复演
Takeover 研究控制层如何收集可核验的固定观测、判断异常、在离线环境中复演转换方案,并形成等待审批的操作建议。证据可以沿流程推进,但执行权始终由操作者单独授予。
边界 · 当前结论来自本地验证,不代表拥有线上训练、Champion 或生产操作权先比较,再选择
配对自博弈、覆盖率统计和外部决策复现回答的是不同问题。RhythmLag 分开记录这些结果及其不确定性;只有证据支持相应结论时,候选策略才会进入下一步选择。
边界 · 覆盖率、动作一致率和策略价值不能相互替代以已验证策略为起点的有界实时搜索
实时搜索位于策略学习的下游,不能代替训练。它以身份经过核验的策略为起点,在固定的决策预算内推理,并把离线训练证据、在线搜索行为和平台接入清楚地区分开。
边界 · 单次搜索结果不会改变训练版本关系,也不会改写发布状态Fünf verbundene Module machen aus Training ein Forschungsprogramm.
RhythmLag gliedert die Arbeit in klar getrennte Fragen: wie eine Policy langfristig lernt, worauf ein begrenztes Experiment seine Ressourcen richtet, welche Evidenz zwei Zustände vergleichbar macht, wie eine Kontrollschicht einen Übergang empfehlen kann, ohne stillschweigend Ausführungsrechte zu erhalten, und wie eine verifizierte Policy zum Ausgangspunkt der Suche zur Entscheidungszeit wird. Die Module teilen Provenienz, behalten aber eigene Mess- und Berechtigungsgrenzen.
Policy-Lernen und Meilenstein-Provenienz
Langfristiges Self-Play entwickelt eine versionierte Policy-Linie. Jeder Meilenstein bleibt als Forschungsobjekt eindeutig identifizierbar: Abstammung, akkumulierte Evidenz und Evaluationskontext sind gebunden, damit spätere Vergleiche dasselbe Objekt meinen.
Grenze · ein neueres Artefakt ist nicht automatisch stärker oder publizierbarGerichtetes Lernen ohne Umschreiben der Basislinie
Enhance Training isoliert eine deklarierte strategische Frage und bündelt eine begrenzte Lernkampagne darum. Die Ausgangspolicy bleibt identifizierbar, akzeptierte Arbeit wird belegt und der Kandidat kehrt zum Vergleich zurück, statt die Hauptlinie ungeprüft zu ersetzen.
Grenze · gerichtetes Lernen ist ein Experiment, keine Champion- oder ProduktionsfreigabeBeobachten, diagnostizieren, nachspielen und empfehlen
Takeover untersucht, wie eine Kontrollschicht unveränderliche Beobachtungen bündelt, einen Vorfall diagnostiziert, einen vorgeschlagenen Zustandsübergang offline nachspielt und eine begrenzte Empfehlung ausgibt. Öffentlich steht es derzeit für Governance: Evidenz darf fortschreiten, die Ausführung bleibt beim Operator.
Grenze · nur lokale Evidenz; keine implizite Autorität über Live-Training, Champion oder ProduktionVergleich vor Auswahl
Gepaartes Self-Play, Abdeckungsmessungen und externe Entscheidungs-Replays beantworten verschiedene Fragen. RhythmLag trennt diese Messungen, weist Unsicherheit aus und prüft erst die Evidenz, bevor ein Kandidat als ausgewählt beschrieben wird.
Grenze · Abdeckung, Übereinstimmung und strategischer Wert sind nicht austauschbarBegrenzte Echtzeitsuche aus einer exakten Policy
Die Suche zur Entscheidungszeit liegt nach dem Policy-Lernen und ersetzt es nicht. Sie startet mit einer exakt verifizierten Policy, arbeitet innerhalb eines begrenzten Entscheidungsbudgets und trennt Offline-Lernevidenz, Online-Suchverhalten und Plattformintegration.
Grenze · ein Suchergebnis ändert weder Trainingslinie noch PublikationszustandDifferent disciplines, one standard of inquiry.
RhythmLag is built by a small circle of like-minded friends and alumni of Peking University, Peking University Health Science Center, Tsinghua University, Stanford School of Medicine, and KU Leuven. Our work spans computer science, artificial intelligence, immunology and medicine, nuclear physics, and neighboring fields. We work independently, combining engineering practice, experiment, and scientific criticism.
不同学科,同一种求真标准。
RhythmLag 由一群志同道合的朋友共同发起,成员分别毕业于北京大学、北京大学医学部、清华大学、斯坦福大学医学院和 KU Leuven(荷语鲁汶大学)。我们的背景横跨计算机科学、人工智能、免疫学与医学、核物理及相邻领域。我们独立开展工作,把工程实践、实验和科学批判结合起来。
Verschiedene Disziplinen, ein gemeinsamer Anspruch.
RhythmLag entsteht in einem kleinen Kreis gleichgesinnter Freunde und Alumni der Peking University, des Peking University Health Science Center, der Tsinghua University, der Stanford School of Medicine sowie KU Leuven. Unsere Arbeit reicht von Informatik und Künstlicher Intelligenz über Immunologie und Medizin bis zur Kernphysik und benachbarten Disziplinen. Wir arbeiten unabhängig und verbinden Ingenieurspraxis, Experiment und wissenschaftliche Kritik.
Historical training evidence and current systems verification.
Figure 01 presents the current verification surface for Enhance Training and Takeover, grouped by the public capability each check exercises. Figures 02–04 retain the receipt-backed M1–M20 record: training chronology, indexed policy growth, paired diagnostics and action-reproduction studies.
历史训练证据与当前系统验证。
图 01 首先展示增强训练与 Takeover 的当前验证覆盖,并按每项检查实际验证的公开能力域分组。图 02–04 保留 M1–M20 阶段已有凭据支撑的训练记录,包括训练时间线、索引策略增长、配对诊断和动作复现研究。
Historische Trainingsevidenz und aktuelle Systemverifikation.
Abbildung 01 zeigt zuerst die aktuelle Verifikationsfläche von Enhance Training und Takeover, gruppiert nach der jeweils geprüften öffentlichen Fähigkeit. Abbildungen 02–04 bewahren den belegten Stand M1–M20: Trainingschronologie, indexiertes Policy-Wachstum, gepaarte Diagnostik und Aktionsreproduktion.
Training chronology and indexed policy growth
训练时间线与索引策略增长
Trainingschronologie und indexiertes Policy-Wachstum
Adjacent milestone paired deltas
相邻里程碑配对增量
Gepaarte Deltas benachbarter Meilensteine
Action-reproduction studies
动作复现研究
Studien zur Aktionsreproduktion
Verification coverage by capability domain
按能力域划分的当前验证覆盖
Verifikationsabdeckung nach Fähigkeitsbereich
Enhance Training and Governed Takeover
A structured account of persistent policy learning, bounded Enhance Training, paired evidence, effective-work accounting and a Takeover layer whose verification surface now spans governance, diagnosis, replay and operator flow.
Read new note Research Note 01 · RL-RN01-2026AI Poker as a Laboratory for Decision Intelligence
An introduction to imperfect-information decision research, milestone-based learning, and the distinction between coverage, action agreement, and strategic performance.
Read note Systems Note 01 · RL-SN01-2026Computational Environment and Measurement Scope
A systems note on aggregate computing capacity, cumulative worker time, indexed policy coverage, and the measurement units used across M1–M10.
Read note Working Paper 01 · RL-WP01-2026Mathematical Framing and Computational Context in AI Poker Research
A compact treatment of counterfactual regret, indexed-state coverage, paired estimation, and the computational context of milestone-based AI poker research.
Read paper增强训练与 Takeover 治理体系
这份札记说明长期策略学习、增强训练、有效工作量和配对评测如何衔接,并展示 Takeover 在治理、异常诊断、方案复演与操作者流程上的当前验证覆盖。
阅读新札记 研究札记 01 · RL-RN01-2026AI 扑克:研究决策智能的实验场
介绍不完全信息决策研究、基于里程碑的学习过程,以及覆盖、动作一致率与策略表现之间的测量区别。
阅读札记 系统札记 01 · RL-SN01-2026计算环境与测量范围
说明汇总计算容量、累计 worker 时间、索引策略覆盖,以及 M1–M10 各项实验采用的测量单位。
阅读札记 工作论文 01 · RL-WP01-2026AI 扑克研究的数学框架与计算背景
围绕反事实遗憾、索引状态覆盖、配对估计,以及基于里程碑的 AI 扑克研究所处计算背景展开的简明论述。
阅读论文Enhance Training und Takeover-Governance
Eine strukturierte Darstellung von dauerhaftem Policy-Lernen, begrenztem Enhance Training, gepaarter Evidenz und einer Takeover-Schicht, deren aktuelle Verifikation Governance, Diagnose, Replay und Operator-Abläufe abdeckt.
Neue Notiz lesen Forschungsnotiz 01 · RL-RN01-2026KI-Poker als Labor für Entscheidungsintelligenz
Eine Einführung in Entscheidungsforschung bei unvollständiger Information, meilensteinbasiertes Lernen und die Messunterschiede zwischen Abdeckung, Aktionsübereinstimmung und strategischer Leistung.
Notiz lesen Systemnotiz 01 · RL-SN01-2026Rechenumgebung und Messrahmen
Eine Systemnotiz über aggregierte Rechenkapazität, kumulative Worker-Zeit, indexierte Policy-Abdeckung und die in M1–M10 verwendeten Maßeinheiten.
Notiz lesen Arbeitspapier 01 · RL-WP01-2026Mathematischer Rahmen und Rechenkontext in der KI-Pokerforschung
Eine kompakte Darstellung von kontrafaktischem Regret, indexierter Zustandsabdeckung, gepaarter Schätzung und dem Rechenkontext meilensteinbasierter KI-Pokerforschung.
Papier lesenEach online edition includes a stable document identifier, publication date, page index, and direct navigation between its English, Chinese, and German sections.
每份在线版本均标注稳定的文献编号、发布日期与页码,并提供英文、中文和德文三个部分之间的直接导航。
Jede Online-Ausgabe enthält eine stabile Dokumentkennung, das Publikationsdatum, Seitenzahlen und direkte Navigation zwischen dem englischen, chinesischen und deutschen Teil.
This project was initiated by alumni and is conducted independently. It is not an official research project of any university shown below.
本项目由相关高校校友自行发起并独立开展,并非下列任何高校的官方研究项目。
Dieses Projekt wurde von Alumni selbst initiiert und wird unabhängig durchgeführt. Es ist kein offizielles Forschungsprojekt einer der unten genannten Hochschulen.
Alumni background校友背景Alumni-Hintergrund
Peking University北京大学Peking University
Alumni background校友背景Alumni-Hintergrund
Peking University Health Science Center北京大学医学部Peking University Health Science Center
Alumni background校友背景Alumni-Hintergrund
Tsinghua University清华大学Tsinghua University