在一个带有运气的游戏中，最佳策略是什么？Drop7 被广泛认为是有史以来最伟大的拼图游戏 [1]。本研究的目标是找到一个与人类玩家一样好的自主策略。一个经验丰富的人类玩家在这个游戏中可以通过正确的长期战略思考获得一百万分。迄今为止，最强的研究候选者（在深度为 4 的搜索中学习查找表）在 512 场它从未见过的比赛中平均得分 516,155 分，而同样的深度为 4 的 expectimax 用手写的叶子在那些比赛中平均得分 382,567 分。两者都远低于一百万，因此研究问题仍然非常开放。新来的吗？学习游戏，然后了解策略背后的理念，再看看已经尝试过的和仍然开放的内容。得分 0 上升 观看一场比赛，或悬停在棋盘上并点击一列以放下下一个棋子。最佳候选者平均得分 516,155 n-tuple 表在公平的 D4，512 场比赛（屏幕）目标平均得分 1,000,000 以上冻结资格条接近 116 种方法 12 个家族 理论 27 个注册声明 实验 41 个预注册结果 40 个记录结果 这些想法 建立玩家的十四种方法 每种技术都从根本上解释，随后与游戏相遇，并与尝试过的策略相连接。所有方法 → maxavg4020107060030403040 Expectimax 搜索 向前看几步，在你自己的回合中选择最佳列，并对游戏可能提供的棋子进行平均。7 种方法 height6bumps16wells2penalty24 启发式评估 用手写的可见特征总和为棋盘评分，然后选择得分最高的列进行游戏。11 种方法 +Q Q 学习和价值学习 从过去的游戏中学习每个列的价值，以便玩家可以在不提前搜索的情况下对移动进行排序。10 种方法 3527sum00.30.71.2 N-tuple 网络 从小的单元模式中学习棋盘的价值，每个模式都有自己的查找表，在数百万次自玩动作中训练。5 种方法 63140.410.47tableaccout NNUE 评估器 一个小型神经网络，足够便宜以在搜索的每个叶子上运行，从其单元格判断棋盘。4 种方法 p(column)1234567+− 策略梯度 训练一个直接选择列的网络，推动它朝着导致更长游戏的选择。4 种方法 gen 0gen 1gen 2gen 3gen 4fitness landscapetop three ringed, cloud near the peak 进化优化 通过玩完整的游戏来调整玩家的权重，保留得分最佳的设置，并反复进行。6 种方法 +1playoutbackupmost visits went left 蒙特卡罗树搜索 仅在看起来有希望的地方生长前瞻，根据快速模拟的播放引导。3 种方法 rolloutsmean returnonly a mean past the line earns a check 播放回合和策略迭代 通过快速策略向前进行多步评估列，让其在证据强烈时覆盖搜索。10 种方法 472547teacher seesstudent seesinformation boundary25labels cross; hidden values do not 神谕、教师和蒸馏 让一个能看到未来的规划者标记位置，然后训练一个看不到未来的玩家去模仿它。9 种方法 top rowheightscore+17k a stepgame overthe board, not the score, ends the game 风险和生存目标 根据最坏的结果来评估一个移动，或根据游戏持续的时间来评估，看看是否谨慎可延长游戏时间。7 种方法 3535v(s′)35?moveafterstatechancerank the afterstate, not the move 后状态 评分一个移动留下的棋盘，并构建训练数据，其中所有玩家可能选择的列都被测量。3 种方法 6666 构建性规划 计划一个完整的上升周期以达到目标棋盘形状，以便后来的上升触发提前准备的堆。6 种方法 372? 确定规划 想象几个完整的未来，逐个计划每一个目标，并对计划进行平均。2 种方法 证据现状 2026 年 9 月 在 2026-09-05，一个学习的评估器首次在相同搜索中的冻结公平叶子中击败了它，在屏幕层次。针对整个棋盘的每一完整行和完整列（每行一千万种模式）的查找表，加上小窗口，都是根据升高时钟进行训练的，通过 Rust 引擎的时间差游戏进行训练，达到了四十亿次移动，并作为深度为 3 的七层公平搜索的叶子。在 256 场从未阅读的成对公开开发游戏中，这些表得分 484,577 分，140 次移动，而用于相同搜索的公平叶子的得分分别是 314,438 和 93：成对 +170,139，95% 的下限 +130,499，两者均为正，167 胜 89（ RS-20260905T215332Z-95d18a5a ，方法页面）。在相同的游戏中，深度为 3 的表也击败了深度为 4 的公平叶子，即当前的参考（377,803），以 106,775 分和 62,574 分的下限；该武器是诊断性的，而不是预注册的比较器。这一变化的作用与不作用。