@zouchtssn 哈哈也想过发到论坛，但是和 byr 论坛主调没啥关系不是，而且 byr 应该也没什么人玩德州

手机版的体验受到拖拽影响，没有办法向下翻呀

@xcm153 这是一个 solver，不是一个全自动 bot，我校对过它和 piosolver 的结果，是完全相同的

@acidsweet 这个认识有一部分是不对的，其实也不能说不对，只是说当前市面上的工具都不支持，通过类似类似 deepstack 的 CFR-D 加上 continue-resolving 可以在纳什均衡内求得对方的手牌范围的，不需要猜，但是对于你说的第二点，他没法去剥削这个倒是真的，我感觉这块可能可以加上强化学习的元素，强化学习擅长剥削，感觉这两者的结合很可能是之后德州扑克 ai 的发展方向

@anzu 不完全是，手牌概率有其他软件可以算，cfr 算法也可以从 preflop 就开始算 range

@pkwenda 欢迎使用，有问题可以提 issue

@wzb0909 @kop1989 主要看的是这么几篇论文：
cfr 算法本身：An introduction to counterfactual regret minization
mccfr(在开源项目里也有实现)：Monte Carlo Sampling for Regret Minimization in Extensive Games.
cfr+(在开源项目里也实现了) ：Solving Large Imperfect Information Games Using CFR+
discounted cfr(在开源项目里也实现了) : Solving Imperfect-Information Games via Discounted Regret Minimization
Libratus(冷扑论文) : Superhuman AI for heads-up no-limit poker: Libratus beats top professionals
Pluribus(德州六人扑克)：Superhuman AI for multiplayer poker
deepstack(加入了神经网络)：DeepStack: Expert-Level Artificial Intelligence in No-Limit Poker

@wzb0909 我其实不这么觉得，因为德州扑克本身就是一个很有挑战的问题，可以说是近几年来算法的一个桂冠，自己打起来不一定觉得好玩，但是让机器去做这个事情，其实是蛮有意思的

@wzb0909 好的我中午整理一下

@bigtan 怎么说呢，国内国外平台都是，没有点工具就上基本会被认为是送钱天使，其实对德州发展很不好

@kop1989 你要是想要方向的话我可以整理一个我自己看的论文 list 给你

@kop1989 差别非常大，但是一两句话说不完，建议看下 An introduction to counterfactual regret minization 这篇文章，总的来说德州扑克 solver 的算法求的是纳什均衡策略而不是胜率，这是完全不同的两个东西

@doveyoung cfr 的算法原理保证长远不会输，所以从数学原理上是可以的

@PMR 让了是啥意思呀⊙_⊙

@CallMeReznov 哈哈用 py 写的原型然后代码迁移到 java，结果没全部迁移完

@HXHL 有啊，完全信息的博弈框架，可以参考 alpha zero 的那一套,不完全信息博弈没有特别统一的框架，但是 cfr 用的特别多

@ipwx 准确的说是写过一个中国象棋版的 Alpha Zero, MCTS 也算了解，其实如果不是类似 Alpha Zero 的思路其实不是很适合在象棋上用，alpha-beta search 可以经常有一些剪枝很快，但是 MCTS 相较就非常慢了，现在的绝大部分棋软也都是用 alpha-beta search 的变种而不是用 mcts

@ipwx MCTS 我也写了一版 https://github.com/bupticybee/icyChessZero

@Doodlister 是的，这几天看看修一下