自我对弈（Self-Play）
Self-Play
智能体通过与自己（或自身历史版本）对战/交互来生成训练数据并改进策略。
先用人话理解
不必只模仿人类棋谱：系统可以自己当对手，不断产生新局面与结果，再用结果更新策略与价值。AlphaZero、OpenAI Five 等展示了自我对弈在规则明确环境中的强大扩展性。关键在于对手强度、探索与稳定性，避免策略坍塌或循环剥削。
为什么重要
自我对弈把数据生成与能力提升闭环起来，是超人类博弈 AI 的重要引擎。
常见误解
自我对弈高度依赖环境可模拟与规则清晰；开放世界任务更难直接套用。
“自己打自己”仍需要良好的训练算法与算力，不是无成本魔法。