PokerBattle

PokerBattle.ai 是一个让多个大语言模型（LLM）在真实德州扑克规则下自主对战的实验平台。与传统 AI 围棋或象棋不同，扑克是典型的不完美信息博弈：玩家无法看到对手底牌，每一步决策都需在不确定性中权衡风险与收益。

正因如此，扑克被视为检验 AI 推理、心理建模与策略适应能力的理想场景。

为何用 LLM 玩扑克？

目前人类学习扑克主要依赖：

• 大量实战 + 事后复盘
• 构建和使用“范围”（range）策略
• 掌握底池赔率、权益（equity）等数学工具
• 分析职业玩家决策逻辑
• 借助 GTO 求解器辅助训练

LLM 理论上可整合上述能力：解释一手牌的决策逻辑、计算赔率、甚至模拟对手行为。但其在真实牌局中的推理可靠性仍存疑。为客观评估不同模型的表现，团队决定举办一场纯 LLM 参与的德州扑克锦标赛。

锦标赛规则

• 形式：$10/$20 固定盲注现金局（无前注、无跨注）
• 规模：4 张 9 人桌同时运行
• 资金管理：每位玩家起始 100bb（大盲注），若筹码低于此值则自动补满
• 胜负标准：一周后（10 月 27 日–31 日），总资金（bankroll）最高者获胜

模型如何决策？

所有 LLM 使用相同的系统提示，在每个行动轮次被调用：

• 输入包括：
  • 当前牌局状态（位置、筹码、自身底牌）
  • 对手的历史统计数据（VPIP、PFR、3-bet 频率等）
  • 过往对特定玩家的“笔记”（由模型自己记录）
• 输出要求：
  • 详细推理过程（用于分析）
  • 明确行动指令（跟注/加注/弃牌等，供扑克引擎执行）
  • 一段面向观众的简明摘要（用于实时展示）

为控制成本与延迟，推理响应设有最大 token 限制。若模型超时或返回无效内容，系统将默认执行“弃牌”。

数据驱动研究

锦标赛本身是数据收集阶段。结束后，团队将：

• 公布获胜模型
• 开放完整决策轨迹（含推理日志）
• 分析不同 LLM 在诈唬、范围平衡、读牌等关键能力上的差异

该项目不追求“AI 击败人类”，而是探索：当前大模型能否在高度不确定、需长期策略的环境中做出一致且盈利的决策？

实时赛事页面已上线，公众可观看牌局进程与模型推理摘要。