前段时间，360 公司董事长周鸿祎用个人账号在视频平台上发布一条动态：“红衣大叔成就解锁：万米高空掼蛋初体验”，视频中，他在前往美国的飞机上偶遇四位企业家，一同在万米高空玩掼蛋游戏。网友看了直呼：“这是一场千亿级别的掼蛋啊！”（图源：网易视频）掼蛋起源于江苏淮安，由当地的扑克游戏“跑得快”和“八十分”演化而来，在淮安方言里，“掼”是摔、砸的意思，打牌人将手中的“蛋”，即“炸弹”砸向桌面的动作，即为“掼蛋”。简单来说，掼蛋需要两副 108 张扑克牌，4 人两两组队进行，游戏规则综合了“跑得快”“八十分”“斗地主”等牌类游戏，哪队玩家最先出完手中的牌，即为胜。淮安当地流传着一句话：“饭前不掼蛋，等于没吃饭；饭后不掼蛋，等于白吃饭！” ，从江苏火到全国，从体制内火到金融圈，掼蛋成为了新晋“社交密码”。游戏规则简单、容易凑到局、变幻莫测的配牌出牌方式，让每一局游戏都充满了悬念和挑战。这就是掼蛋独特魅力。（图片来源：网络）线下的掼蛋爱好者们打得火热，线上的掼蛋游戏也因方便、快捷等优点，成为大家休闲娱乐的热门选择。与其他手游相比，棋牌类型游戏更聚焦于玩家心态，是否能抓住玩家心理，是决定玩家留存率的关键因素，甚至能够直接影响游戏营收。例如，在游戏上线初期、冷启动阶段或非高峰时段，如半夜，常常难以聚集足够的真人玩家，这限制了玩家的游戏体验。另外，传统的规则机器人缺乏智能性，无法提供有挑战性和策略性的对抗，玩家需求得不到满足，游戏体验感差，这直接导致用户留存率和活跃度的大幅下降。随着市场竞争的加剧，获取游戏新用户的成本也在不断上升，这对游戏公司的财务状况也构成了重大压力。针对以上痛点，网易数智游戏 AI 智能体解决方案能够为游戏公司提供有效的应对策略：1. 提升游戏策略深度与竞技性通过模仿学习，AI 智能体掌握了丰富的掼蛋策略和战术，能够根据牌局状况灵活应用，如精准计算牌力、巧妙配牌、适时进贡、合理利用王炸等高级技巧。这不仅提高了游戏的策略维度，使每场对决充满智谋较量，还提升了游戏的竞技性，吸引热衷于策略博弈的玩家群体。2. 实现动态平衡与公平竞赛AI 智能体能够根据玩家的技能水平动态调整自身策略强度，确保游戏对局既具有挑战性又不失公平。新手玩家面对 AI 时，可以得到适中的引导与锻炼；而对于经验丰富的玩家，AI 能提供高强度的对抗，保持游戏的刺激性。这种动态平衡机制有助于维持玩家持久的兴趣，促进玩家技能的逐步提升。3. 持续优化游戏规则与系统作为线上掼蛋游戏的一部分，AI 智能体可以充当规则验证器和优化工具。通过大量的模拟对局，AI可以帮助检测游戏规则的合理性与漏洞，为游戏开发者提供数据支持，以便及时调整规则设置，保证游戏公平性和趣味性的最佳结合。同时，AI 的反馈数据可用于评估新功能或改版效果，助力游戏迭代升级。4. 扩展玩法模式与社交互动AI 智能体可以融入多元化的游戏模式，如单人挑战模式、人机合作模式、AI 教学模式等，丰富玩家的游戏体验。在人机合作模式中，AI 智能体作为可靠的队友，能与玩家形成有效配合，提升团队作战的乐趣。AI 教学模式则通过演示高水平决策过程，帮助玩家提升技巧。此外，AI 智能体的参与也能在一定程度上缓解线上匹配等待时间长的问题，提升玩家满意度。5. 24/7 全天候游戏服务与稳定性保障AI 智能体不受时间限制，能够为玩家提供全天候无间断的游戏服务，满足不同时间段玩家的游戏需求。同时，AI 的稳定性和可靠性高于人类玩家，避免了因网络波动、临时离线等人为因素导致的游戏中断，为玩家创造顺畅、连贯的游戏环境。大规模预训练模型, 深度强化学习，深度模仿学习等技术开发的智能竞技机器人，带来更加真实的游戏体验，助力提升游戏品质。游戏 AI 智能体解决方案已落地多项游戏！欢迎大家前来畅聊探讨~游戏AI竞技机器人 - 网易智企干货资料完整版：《游戏 AI 实践指南》/《2023 年度游戏安全观察与实践报告》/《2023年中国移动游戏私域运营白皮书》，评论区回复【报告】获取~近期，在与网易数智游戏 AI 算法专家何竞交谈过程中，小智得知网易数智已助力多家棋牌类游戏公司落地并应用游戏 AI 智能体解决方案。今天，我们以广受欢迎的棋牌手游《欢乐掼蛋》为例，一探 AI 智能体与棋牌游戏结合的奇妙火花。（图片来源：网络）首先，向大家介绍《欢乐掼蛋》游戏的相关规则：牌型：掼蛋游戏中共有十种牌型，分别是单张、对子、三张、三带二、三连对（也称为两连对）、钢板（三顺）、顺子、同花顺、天王炸和普通炸弹；普通牌型：普通牌型的大小比较依据牌点数决定，通常 A 最大，2 最小，但同花顺中的牌型比较特殊，最小的同花顺是 A-2-3-4-5，最大的同花顺是 10-J-Q-K-A；炸弹：炸弹是指四张及以上相同数值的牌，最大的炸弹是天王炸，即两个大王和两个小王。普通炸弹的大小则根据所含牌的数量决定，数量多的炸弹大于数量少的炸弹；逢人配（红星）：在掼蛋中，红桃 2 被视为逢人配，可以替代除大小王之外的任何牌；游戏流程：游戏通常由四人分成两组进行对抗，其中东家负责洗牌，南家负责翻牌；出牌规则：掼蛋的出牌规则与斗地主有所不同。例如，掼蛋中不允许三带一，顺子最多五张，钢板最多三张。在当前游戏 AI 开发领域，尤其是针对规则复杂、策略性强的掼蛋游戏，各类方法论各显神通，主要可以分为行为树、强化学习、模仿学习三类。1.行为树：传统框架的坚守与局限行为树（Behavior Tree, BT），作为游戏 AI 领域的常用工具，以其结构清晰、调试方便的特点，广泛应用于各类游戏的 AI 设计。然而，在应对掼蛋游戏的特殊规则与复杂策略时，其局限性逐渐显现：规则复杂性束缚: 掼蛋游戏规则繁多，如逢人配、级牌等特色规则，加上丰富的牌型组合与团队协作要求，构建全面的行为树结构需要投入大量人力物力，且随着游戏更新或策略演变，维护工作量巨大；策略灵活性缺失：预设的行为路径难以应对掼蛋实战中层出不穷的变数与对手策略，可能导致 AI 行为过于程式化，缺乏人类玩家所展现的机敏应变与创造性决策。2.强化学习：前沿探索的潜力与制约强化学习（Reinforcement Learning, RL），作为游戏 AI 研究的热点，其自我学习与优化能力颇具吸引力。但在掼蛋 AI 的实际应用中，却遭遇了如下难题：海量数据困局：强化学习需要大量试错以求最优策略，而掼蛋的高度复杂性意味着所需训练数据呈指数级增长，带来漫长训练周期与高昂计算成本；环境动态性挑战：对手策略变化、牌局随机性等因素使掼蛋环境处于持续变动中，这对强化学习算法的稳定性与收敛速度构成严峻考验；奖励机制设计难题：设计合适的奖励函数以正确引导 AI 学习掼蛋的复杂策略是一项挑战，既要考虑短期得分，也要兼顾长远合作和竞争关系。3.模仿学习：创新抉择的智慧源泉正是在上述主流方法面临挑战的背景下，模仿学习（Imitation Learning, IL）以其独特优势，成为了我们打造卓越掼蛋 AI 的首选途径：速成大师之道：模仿学习如同站在巨人的肩膀上，直接从人类专家或顶级玩家的游戏记录中汲取精华，无需从零开始摸索，极大地缩短了学习周期，降低了计算资源消耗。驾驭复杂策略：通过观察与模仿人类玩家的决策过程，AI 智能体得以领悟掼蛋中深邃的牌型组合、灵活的战术变换以及微妙的心理战艺术，这些往往是规则难以完全刻画或强化学习难以独立探索的精髓。传承人类智慧：模仿学习保留了人类玩家在实战中磨砺出的直觉、经验和创新策略，使得 AI 智能体展现出更贴近人类的决策风格，增强了游戏的沉浸感与竞技乐趣。随需应变的适应力：当游戏环境或玩家行为模式发生变化时，只需更新模仿学习的训练数据，AI 智能体就能迅速适应新情况，无需对行为树进行繁琐调整或重新配置强化学习参数。综上所述，尽管行为树和强化学习在游戏 AI 开发中各有其应用场景，但在应对掼蛋游戏的特殊挑战时，它们分别遭遇了复杂性管理难题、样本效率瓶颈、环境适应性问题及奖励函数设计困难。相比之下，模仿学习凭借其快速习得技能、精准捕获复杂策略、融入人类智慧及强大适应性等优势，成为我们构建高效、智能且富有竞技魅力的掼蛋 AI 的理想选择。经过模仿学习训练的掼蛋 AI 智能体，已然展现出卓越的表现，有力验证了这一决策的正确性与前瞻性。大规模预训练模型, 深度强化学习，深度模仿学习等技术开发的智能竞技机器人，带来更加真实的游戏体验，助力提升游戏品质。游戏 AI 智能体解决方案已落地多项游戏！欢迎大家前来畅聊探讨~游戏AI竞技机器人 - 网易智企干货资料完整版：《游戏 AI 实践指南》/《2023 年度游戏安全观察与实践报告》/《2023年中国移动游戏私域运营白皮书》，评论区回复【报告】获取~01 接入流程1.录像文件传输网易数智提供了便捷的文件上传接口，支持轻松上传录像文件。2.数据集构建使用 ray 集群分布式解析录像文件，加速数据集构建。02 状态空间定义1.卡牌表示掼蛋模仿学习采用的是 9*14 的矩阵来对每个可行的牌组合进行编码如图所示：具体来说，掼蛋游戏与斗地主不同，其出牌动作更加复杂多样，需要考虑花色、级牌以及逢人配牌在出牌时的不同组合。同时，随着级牌的变化，牌点大小和万能牌也会相应变化。为此，我们使用以下方式对卡牌进行编码：首先，用 4*14 的矩阵，对卡牌（除逢人配，大小王以外）进行编码。其中行表示四种不同的花色，列对应于卡牌的点数，矩阵中的值则表示该卡牌的数量；其次，使用 3*14 的矩阵，对卡牌中的级牌信息进行编码，对于级牌分为两种：第一种是红心级牌：逢人配牌，可以变成大小王以外的任何牌，在组牌时点数不具有意义。第二种是非红心级牌：级牌，是除大小王以外最大的牌，在组牌时仍然需要考虑点数。因此，在组牌过程中，矩阵的第一行表示卡牌中是否有红心级牌，如果有则全部置 1。第二行为该红心级牌的标识位，用于表示对应的级牌点数。第三行表示卡牌中非红心级牌的数量；最后，使用 2*14 的矩阵，对卡牌的 Joker 信息编码，如果手牌中有对应的王牌，对应行则全部加 1。2.状态表示状态空间的信息分为三种，分别是卡牌信息、回合信息和历史信息。卡牌信息：将所有的 9*14 的卡牌矩阵进行堆叠得到 10*9*14 的矩阵；回合信息：将剩余手牌数量与该局游戏级牌，拉平并拼接得到 1*125 的向量；历史信息：将前 8 次出牌的卡牌进行编码得到 8*9*14 的矩阵，历史两轮的动作序列可表示为 2*504。掼蛋的状态特征设计，如下表所示：特征大小手牌1*9*14所有人已打出的牌4*9*14最近一次队友的动作1*9*14最近一次上家的动作1*9*14最近一次下家的动作1*9*14其他玩家手牌的并集1*9*14上一个最大牌（开局为pass）1*9*14所有人剩余手牌数量4*28该局游戏级牌1*13前2轮出牌的历史动作2*50403 动作空间定义掼蛋的动作表示的是玩家根据当前手牌进行组合得到的合法动作，总共有十种牌型，分别是单张、对子、三张、三带二、三连对（也称为两连对）、钢板（三顺）、顺子、同花顺、天王炸和普通炸弹我们同样使用之前所定义的卡牌的矩阵表示对出牌动作的卡牌进行编码。然而，出牌者在决定出牌时不仅要考虑如何获得牌权，还需要思考出了这张牌之后剩余的手牌如何组合。因此，我们还扩充了在执行该动作后的手牌信息作为动作的一部分，如下表所示：特征大小出牌1*9*14剩余手牌1*9*1404 二分类问题为了使用模仿学习训练智能体，需要从游戏内部收集用户数据。通过玩家的评级来筛选比赛数据来获取高水平玩家的专家轨迹。通过将每一次出牌视为一个实例，并使用监督损失来训练网络。这个问题可以被形式化为一个分类问题，我们的目标是基于给定状态来预测专家采取的动作。然而，在实践中大多数动作都是非法的，并且遍历所有可行动作的成本很高。受 Q 网络设计的启发，我们将问题转化为一个二元分类任务，智能体所需要做的是根据每个动作判断它是否是专家所执行的动作。然而，由于专家动作数量与负样本数量的极度不平衡，采取下采样的方法进行训练：正样本：专家执行的动作；负样本：从合法动作中随机抽样，且保证 pass 和逢人配牌的负样本存在。05 模型训练1.网络结构在构建智能掼蛋 AI 的过程中，对网络结构的设计与优化至关重要，特别是在处理复杂多变的状态-动作信息时。为了充分提取并利用这些蕴含丰富时序特征的数据，我们采用了精心设计的前置处理步骤，以确保主网络能够高效且精准地进行决策。具体而言，我们实施了两种关键操作：Inter-group Regularization（组间正则化）与 Channel-wise Attention（通道注意力机制）。在将经过这两步处理后的特征编码输入到主网络之前，我们还利用长短期记忆网络（LSTM）来捕获时序信息，以增强 AI 智能体在复杂掼蛋场景中的决策能力。Inter-group Regularization（组间正则化）： 在掼蛋游戏中，普通牌（非级牌）的花色在大多数情况下仅在特定牌型（如同花顺）的构建中具有特定意义，而在其他牌型组合或常规出牌策略中，不同花色的普通牌本质上并无区别。鉴于此，采取组间正则化策略，对普通牌的特征表示进行统一处理。具体来说，网络中卡牌矩阵的前 4 行（对应普通牌）通过共享权重的一维卷积模型进行处理，确保不同花色的普通牌在特征提取阶段得到一致的对待。这种设计既减少了网络参数，避免了模型过拟合，又确保了模型对普通牌的处理具备普适性和公平性，有利于提升 AI 智能体在普通牌决策上的泛化能力。Channel-wise Attention（通道注意力机制）： 为进一步挖掘掼蛋状态-动作信息中隐藏的关联性，我们在通道层面引入了注意力机制。在特征编码的各个通道上施加注意力操作，能够动态地突出重要通道，抑制无关或次要信息，从而提炼出对当前决策最具影响力的特征。通过学习每个通道的重要性权重，AI 智能体能够敏锐地捕捉到不同特征之间的相互作用与依赖关系，特别是在处理级牌、特殊牌型组合以及与队友配合等复杂情境时，通道注意力机制有助于 AI 智能体做出更为精准且符合游戏策略逻辑的决策。利用 LSTM 提取时序信息： 在上述特征编码经过组间正则化和通道注意力机制处理后，我们将其作为输入馈送给长短期记忆网络（LSTM）。LSTM 作为一种专门设计用于处理时序数据的递归神经网络结构，具备独特的门控机制，能够有效地捕获并保留长期依赖关系。在掼蛋游戏中，时序信息尤为重要，如玩家之前的出牌顺序、牌池变化趋势、玩家间的交互历史等，这些因素对当前决策有着深远影响。2.输入输出模型的输入融合了当前棋局状态、可能的出牌动作以及丰富的历史信息，从而精确预测每个候选动作属于专家出牌的概率。在推理阶段，模型以高效批量处理方式对所有合法动作进行评估，最终选取概率最高的动作作为 AI 智能体的实际出牌决策。模型输入构造：当前棋局状态与可能出牌动作的拼接：模型首先将当前详尽的棋局状态与所有可能的出牌动作进行融合，形成一个维度为 12×9×14 的三维矩阵；对局信息向量：模型进一步接收一个维度为 1×125 的一维向量，汇总了当前游戏级牌，玩家剩余手牌等关键信息；历史出牌序列：模型还纳入了过去 8 次出牌的历史轨迹，以一个维度为 2×504 的二维矩阵表示。便于模型捕捉双方出牌模式的互动与演变。模型输出与推理过程：模型的输出是一组对应所有合法出牌动作的专家出牌概率。在推理阶段，模型以组 batch 的形式一次性接纳所有可能的出牌动作作为输入，经过神经网络推理，为每个动作生成一个对应的概率值。这些概率值反映了模型对每个动作符合专家级出牌策略程度的估计。决策策略：在获得所有合法动作的概率分布后，模型遵循最大化期望收益的原则，选择概率最高的动作作为最终的出牌决策。这意味着 AI 智能体在当前棋局状态下，将执行最有可能被专家级玩家采纳的出牌动作，力求在遵循策略深度的同时，最大化地模拟真实高手的实战智慧。06 难度分级掼蛋 AI 致力于打造一种兼具挑战性与公平性的对弈环境，通过精密调整关键决策参数，实现对各类玩家技能水平的精准匹配，助力玩家技能提升与沉浸式游戏享受。1.核心技术：策略适应性与信息控制历史信息管理：面向新手玩家，我们审慎地限制AI的历史出牌记录长度（0-8），以减轻新手承受的信息负荷，避免因过深的记忆链条而感到挫败。同时，我们运用特征mask技术对四家出牌信息进行有针对性的隐藏，使AI在与新手对弈时展示更为直观、易于理解的出牌逻辑，有利于新手快速熟悉规则并进步。策略输出优化：AI 通常依据专家策略概率选择最高概率的出牌选项。为了适应不同难度需求，我们引入了 Thresholds 机制，设定一个概率阈值 b，允许 AI 在一定概率范围内执行次优动作，增加出牌的不可预测性与对手应对的挑战。这一设计旨在打破单一最优路径，丰富游戏战术维度与不确定性。炸弹使用策略：通过调节 BoomProbs 参数，我们控制 AI 使用炸弹的频率。面对初级玩家，我们会适当调低此参数（如0.7-0.9），减少 AI 主动发起的高压攻势，创造相对轻松的游戏氛围。随着玩家技能提升，我们会逐步提高BoomProbs，促使AI更积极地运用炸弹等强牌，提升对局紧张度，激发玩家提升防御与反击策略。2.精细难度分层与实证评估我们严谨地调整各项参数，构建了包含多种策略特性的 48 种 AI 变体，它们在记忆深度、决策随机性及炸弹使用策略等方面表现出多样化的梯度。我们进行了大规模的两两对战实验，以量化分析各变体之间的相对实力，并以热力图形式清晰呈现各变体间的胜率分布。基于实验数据，从中精选出五种具有代表性的 AI 智能体，其胜率均匀分布，分别对应五个难度等级，全面覆盖从新手入门至高手对决的技能跨度。这一设计确保每一位玩家都能找到与自身当前技能水平相匹配的 AI 对手，实现动态平衡且公正的对战条件。07 模型部署掼蛋 AI 采用服务端部署模式，游戏状态以 proto 进行序列化传递至 AI 服务进行推理，推理结果异步返回，确保与游戏逻辑的无缝对接。系统具备以下核心优势：1.异步处理，保障游戏流畅AI决策过程与游戏主线程分离，采用异步通信。当需要 AI 决策时，当前游戏状态被快速序列化为 protobuf 格式发送至 AI 服务。服务接收到请求后，独立进行推理计算，而游戏客户端则可继续执行其他操作，如查看回放、交流等，无需等待 AI 决策完成。这种设计有效避免了因 AI 推理导致的卡顿，确保玩家体验流畅。2.分布式架构，弹性应对负载AI 服务采用分布式部署，可根据实际需求动态调整计算资源。在高峰期，可通过增加服务器节点迅速提升处理能力，确保 AI 决策响应速度。低峰期则可减少资源，降低成本。分布式架构还提高了系统的容错性，即使个别服务器故障，其他节点仍能正常提供服务，确保游戏连续性。3.全面监控，透明管理对 AI 服务集群进行全方位资源占用监控，包括 CPU、内存、网络等关键指标，实时掌握服务运行状况，及时优化性能。同时，提供对 AI 开局数量、历史调用量及对局表现的可视化监控，既有助于服务优化与资源调度，也增强了玩家对 AI 竞技公正性的感知，提升游戏透明度与信任度。我们的掼蛋 AI 服务通过异步处理、分布式部署与全面监控，实现了与游戏逻辑的紧密集成，确保了服务的高性能、高可用性与可扩展性，为玩家带来流畅、稳定且具有挑战性的 AI 对战体验，同时强化了服务的透明度与玩家信任。随着 AI 技术的不断进步，我们有理由相信，AI 智能体将在未来的游戏中扮演更加关键的角色，为玩家带来更加丰富、智能的游戏体验，同时也为游戏产业的发展注入新的活力。大规模预训练模型, 深度强化学习，深度模仿学习等技术开发的智能竞技机器人，带来更加真实的游戏体验，助力提升游戏品质，游戏AI智能体解决方案详情可以戳卡片:游戏全生命周期解决方案，感兴趣的朋友可以戳以下卡片立即查看方案详情：干货资料完整版：《2023 年度游戏安全观察与实践报告》 戳我领取《游戏 AI 实践指南》《2023年中国移动游戏私域运营白皮书》，评论区回复【报告】get~我来自网易~ 是你最得力的游戏行业战略家，也是最硬核的游戏技术布道师，一起让技术发光~ 欢迎各位游戏人一起探讨交流~内容写作不易，留下你的点赞收藏~}

2018-03-24 22:56
来源:
扬州体育
掼蛋打得好，说明有头脑
掼蛋打得精，说明思路清
作为一个已经深入人心的项目，
掼蛋的群众基础也越来越深厚！
小编觉得大家一定都是掼蛋的行家了！
不过
除了打得好打得精
我们更要打出风范，打出水平哦！
近日，江苏省社会体育管理中心向社会正式颁布了《江苏省掼蛋文明礼仪规范（试行）》（以下简称《规范》）以及《江苏省掼蛋文明礼仪三字诀：德、礼、和）（简称《三字诀》）。积极倡导掼蛋礼仪，可以使之成为传播社会正能量、推动社会主义精神文明建设的有效载体。
“不学礼，无以立”
快和小编一起Get起来吧！
文明礼仪，从我做起
《规范》包含8个部分：诚实守信、着装礼仪、仪容仪态、语言礼仪、入座礼仪、对局礼仪、结束礼仪和裁判规范。掼蛋礼仪要求践行社会主义核心价值观，内外兼修，体现“文明诚信、平等友善、尊重包容”。
除了要求我们对掼蛋拥有“大爱”，更要有对自己和他人的尊重，当然《规范》也对裁判员有要求，小编在这里也希望大家都可以变成掼蛋文明礼仪的
传播者
教育者
践行者
三字诀：“德”“礼”“和”
三字诀作为《规范》的简化版，从“德”“礼”“和”三个方面出发，以四字短语为形式，同样弘扬了掼蛋的文明礼仪。
“德”，开篇提出“掼蛋礼仪，立德为先，知行合一”；
“礼”，包括仪容、仪表、仪态、举止等；
“和”，提出“以敬为竞，心醇气和”。
快和小编一起做“德”“礼”“和”
全面发展的“三好”掼蛋选手吧！
附：《江苏省掼蛋文明礼仪规范（试行）》
《江苏省掼蛋文明礼仪三字诀：德、礼、和》
来源 江苏省体育局
编辑 郭佳佳返回搜狐，查看更多
责任编辑：}