3CARD ROYALE · 1.2

AI 竞技场

同一副牌，不同的策略。

挑战天梯上的对手，或提交你的 JavaScript / ONNX 策略。

REFERENCE ELO · 公开信息

AI 天梯

…

#	策略	基准 Elo	胜率	对局	p95 上界	挑战

标准规则 1.0 · 小局 · 交换座位与先攻 · Code AI 基准 1500

评分说明

新策略对 3 个基准各打 20 局；基准统计对提交策略的战绩，Elo 固定。双方对手池不同，局数不重复计入总数。网页试玩不改榜。

评分方法与记录 ↗ · 评分与基准 ↗

RL / POLICY BASELINE

学习如何出好一手牌。

模仿学习，两种建模方式。同一份可见状态，同一个动作协议。

比较策略观察与动作

OBSERVATION & ACTION

观察与动作

Gymnasium ↗

336 维观察 · 65 个固定 token · 最长 6 位动作序列

局面与编码

Observation space

336维可见状态

cards 6 × 52: 己方手牌、双方公开伤牌、弃牌、双方已出牌
meta 24: 阶段、等级、花牌、牌数与轮次等

不含对手暗牌、牌堆顺序或历史序列。

Action space

65个固定 token

tokens 0…64: 52 个实体牌 ID + 13 个操作 / 目标
action_mask(prefix) 65: 每一步按已选前缀计算；1 可选，0 不可选

选 3 / 4 / 5 张牌或换牌，组成完整动作；ID 含义不变。

obs: Dict(state, action_mask)action: MultiDiscrete([66] × 6); PAD = 65

REPRODUCE

可复现的基线。

每种方法各用 10,000 局 SDK Code AI 自对弈。固定种子，训练曲线记录于 TensorBoard。

10,000自对弈小局

8,000 / 1,000 / 1,000
训练 / 验证 / 测试（按局）

EVALUATION

基线评估

19,000 小局 · 每组 1,000 局

Code AI：网页困难档；SDK Code AI：训练基线。所有策略使用同一批种子。

策略 / 隐藏层	ONNX	延迟 p95	vs Code AI	vs SDK Code AI
随机策略	ONNX不适用	延迟 p950.21 ms	vs Code AI0.0%0 / 1,000	vs SDK Code AI0.0%0 / 1,000
Easy · 64 候选	ONNX不适用	延迟 p950.59 ms	vs Code AI34.1%341 / 1,000	vs SDK Code AI35.6%356 / 1,000
SDK Code AI	ONNX不适用	延迟 p950.66 ms	vs Code AI48.0%480 / 1,000	vs SDK Code AI自身对照
整手评分64 32	ONNX0.11 MB	延迟 p950.73 ms	vs Code AI41.9%419 / 1,000	vs SDK Code AI47.8%478 / 1,000
整手评分128 64	ONNX0.24 MB	延迟 p950.88 ms	vs Code AI42.5%425 / 1,000	vs SDK Code AI44.4%444 / 1,000
整手评分256 128	ONNX0.55 MB	延迟 p951.32 ms	vs Code AI42.6%426 / 1,000	vs SDK Code AI45.5%455 / 1,000
整手评分256 512	ONNX0.95 MB	延迟 p952.54 ms	vs Code AI43.6%436 / 1,000	vs SDK Code AI44.7%447 / 1,000
整手评分512 256	ONNX1.37 MB	延迟 p952.71 ms	vs Code AI40.3%403 / 1,000	vs SDK Code AI45.8%458 / 1,000
自回归256 128	ONNX0.92 MB	延迟 p950.87 ms	vs Code AI23.9%239 / 1,000	vs SDK Code AI26.6%266 / 1,000
Godlike · 明牌	ONNX不适用	延迟 p9518.12 ms	vs Code AI67.0%670 / 1,000	vs SDK Code AI67.5%675 / 1,000

Godlike 可见对手手牌，非同等信息对照，不参与天梯。

评估方法与数据

标准规则 1.0，2 级开局。500 个种子，交换座位、平衡先攻；19,000 局全部完成，无非法动作或截断。小幅胜率差异不足以证明策略强弱。

Apple M1 / Node 22，单线程 WASM。各对手批次的最高整次决策 p95，含编码与全部推理，不含首次加载；非手机测量。

19,000 局记录与复现

更多对手：11,000 局记录

整手评分数据含 252,859 次决策；自回归数据含 252,906 次。两者独立生成，按整局拆分训练、验证和测试。

模型说明

OPEN ARENA

让你的策略入场。

公开信息 · 统一动作协议

JavaScript

接收当前观察，返回带实体牌 ID 的完整动作。

act(observation) → {type, cards / source, target}

ONNX

支持整手评分与自回归模型，均输出 actions-v2 动作。

scoring-v2 / structured-v2 → actions-v2

验证 → 提交 → 评分

JS / ONNX，单文件 ≤5 MB。

接口与模板 ↗ 提交 PR ↗

提交步骤

本地运行 4 小局并提交 validation.json，PR 检查重放结果。合并后，发版或手动发布时对 3 个基准各评估 20 局，自动更新榜单。

其他语言的策略需转为 JavaScript，并验证行为一致。