💻 计算机科学

Haar-CFR: Solving Imperfect-Information Games with Applications in Data Analytics and Finance

Haar-CFR 是一种创新的混合框架，它将离散 Haar 小波正则化与 CFR+ 算法相结合，以实现比现有方法更大幅度的内存压缩和更快的收敛速度，为解决金融和扑克等领域的超大规模非完全信息博弈提供了一种可扩展且具解释性的解决方案。

原作者： Florian Fey, Sergei Gorlatch

发布于 2026-10-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Florian Fey, Sergei Gorlatch

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在复杂的高风险决策世界中，从职业扑克牌桌到全球金融的闪电式交易，存在着一种持久的斗争：对完美记忆的需求与对瞬时速度的需求之间的对抗。想象一位做市商，一个旨在通过买卖资产来维持市场流动的数字代理人。这个代理人必须不断平衡两种相互冲突的危险。首先，是持有过多资产的风险，这会迫使他们降低价格以脱手；其次，是与比自己更了解情况的人进行交易的风险，这迫使他们扩大买卖价差以保护自己。为了寻找完美的策略，计算机传统上尝试计算每一种可能的未来场景。然而，随着可能性的增加，计算机的内存会充满并崩溃，这就是所谓的“内存墙”问题。或者，研究人员曾尝试使用人工智能来猜测答案，但这些系统往往思考缓慢且难以理解，从而产生了一个阻碍其进行实时行动的“时间墙”。

明斯特大学的一个研究小组开发了一种名为 Haar-CFR 的新方法，填补了这一鸿沟，使计算机能够在不耗尽内存或陷入缓慢计算的情况下解决这些大规模决策问题。研究人员意识到，与其将每一个可能情况的所有细节都存储在一个巨大的、僵化的列表里，不如观察“遗憾”（即对做出错误选择的感受）的模式遵循着一种结构化的形状。他们将这些模式视为一种信号，类似于可以将声波分解为基本频率的方式。通过使用一种称为小波变换（wavelet transform）的数学工具，他们可以将海量的数据压缩成一个微小且高效的摘要，既保留了所有重要的战略信息，又丢弃了噪声。这种方法使他们的系统能够处理拥有数百万个可能状态的游戏，而仅需传统方法所需的一小部分内存，同时仍能运行得足够快以进行实时决策。

研究人员在几个具有挑战性的基准测试上测试了这一新系统，包括复杂的扑克变体和精密的金融做市模拟。在扑克测试中，他们迫使系统处理一个比标准计算机内存通常能管理的规模大一万倍的游戏状态空间。当传统方法因内存耗尽而停止工作时，新系统却能平稳运行，即使在游戏规模增长到一千万种可能性时，使用的存储空间也低于两兆字节。与旧方法相比，这代表了超过 50,000 倍的存储需求缩减。此外，与依赖深度神经网络的现代人工智能系统相比，该方法在实际时钟时间上快了六点五倍。这种速度优势源于系统避免了运行复杂神经网络计算的高昂计算成本，转而依赖于标准计算机处理器可以瞬间处理的快速、直接的数学运算。

在金融模拟中，该系统被要求解决做市中的“不可能三角”问题，即代理人必须同时管理库存风险并防范知情交易者。先前的理论将这两类风险视为独立的问题，一套规则用于管理库存水平，另一套规则用于处理信息泄露。然而，这个新系统学会了将这些冲突的压力统一成一个连贯的单一策略。它发现了一种非线性模式：当市场平静时，代理人会表现正常；但当与更具信息优势的对手交易的风险过高时，它会突然切换到防御模式。在这些高风险时刻，代理人实际上会停止交易以避免损失，这种行为是从计算中自然涌现出来的，而非预先编程的。这一结果表明，该系统可以恢复经典金融理论的逻辑，同时又能适应复杂且不可预测的市场条件。

这项工作的显著发现之一是，该系统并非一个决策发生在黑暗中的“黑箱”。由于该方法使用特定的数学结构来压缩数据，研究人员可以洞察系统内部，看清哪些因素在驱动决策。通过分析压缩后的数据，他们可以直观地分离出代理人对库存水平的反应与对市场毒性的反应。这种透明度意味着监管机构或人类监督员可以审计该系统，以确保其做出安全且符合逻辑的选择，而这正是现代人工智能中经常缺失的功能。研究人员发现，系统的学习能力取决于保留特定数量的这些压缩数据点；如果保留得太少，系统就无法学习不同策略之间的清晰边界；但如果保留得足够多，它所达到的结果在统计学上与那些依赖大量内存的完美解是无法区分的。

这项研究表明，将复杂的决策问题视为可以压缩的信号，是应对暴力内存存储或缓慢神经网络猜测的一种强有力的替代方案。研究人员证明，对于许多现实世界的问题，底层的策略并非随机的混沌，而是可以被高效表示的结构化模式。虽然该方法在策略具有清晰、结构化模式时效果最佳，但它为解决大规模游戏和金融模型提供了一条稳健且可扩展的路径。通过将博弈论的严谨保证与信号处理的高效性相结合，该团队提供了一个既快速又可理解的新工具，这可能会改变计算机处理经济和数据科学领域复杂战略挑战的方式。

技术摘要：Haar-CFR

1. 问题陈述

本文探讨了解决大规模非完全信息博弈（这是数据分析、机器学习和决策领域的核心任务）中的根本挑战。当前最先进的方法面临着“双重瓶颈”：

内存墙（表格化方法）： 经典的反事实遗憾最小化（CFR）及其加速变体 CFR+ 能够保证收敛至 $\epsilon$ -纳什均衡。然而，它们依赖于对每个信息集的稠密表格存储。在具有精细离散化特征（例如连续价格网格或大型手牌空间）的现实环境中，这会导致组合状态空间爆炸，使得这些方法在标准硬件上变得难以处理。
时间墙（神经网络方法）： 深度强化学习（DRL）和 Deep CFR 试图通过神经网络近似遗憾曲面来缓解内存问题。虽然这些方法具有灵活性，但由于神经推理开销引入了极高的延迟，阻碍了实时应用中的深度前瞻（lookahead）。此外，它们还存在训练不稳定、模拟器过拟合以及缺乏可解释性等问题。

作者确定了一个针对这些局限性的特定应用压力测试测试：自动化做市（Automated Market Making）。该领域需要平衡相互冲突的目标——库存风险（需要通过价格调整来清算头寸）和逆向选择风险（需要扩大价差以防御知情交易者）。现有的理论模型（例如用于库存的 Avellaneda–Stoikov 和用于信息的 Glosten–Milgrom）通常是脱节的，且在统一时在解析上难以处理，而计算方法则难以应对所需的扩展性和可解释性。

2. 方法论：Haar-CFR

作者提出了 Haar-CFR，这是一种结合了离散 Haar 小波变换与 CFR+ 的混合软计算框架，旨在解决存储瓶颈，同时避免神经网络带来的推理延迟。

核心假设：稀疏 Haar 假设

该方法基于以下观察：有序域（如价格网格或手牌强度）上的遗憾景观并非随机噪声，而是结构化信号。具体而言，这些域中的均衡策略通常表现出模态切换行为，即在特定区间内保持不变，仅在特定阈值处发生变化。

假设： 均衡遗憾函数是分段常数的，且具有有限数量的跳跃不连续点（ $S$ ）。因此，其离散 Haar 小波展开最多包含 $O(S \log N)$ 个非零系数，其中 $N$ 是网格大小。这意味着遗憾信号是高度可压缩的。

算法工作流

Haar-CFR 使用**稀疏谱注册表（Sparse Spectral Registry）**取代了标准 CFR 的稠密表格存储：

重构（瞬态）： 在节点遍历期间，算法从持久化存储中检索稀疏小波系数，并使用逆离散 Haar 变换（IDHT）重构稠密遗憾向量。
策略计算： 利用该稠密向量通过遗憾匹配+（Regret Matching+，同 CFR+）计算局部策略。
累积： 瞬时反事实遗憾被累积以更新稠密向量。
谱正则化（压缩）： 更新后的稠密向量通过正向离散 Haar 变换（DHT）转换回谱域。一个自适应的 Top-K 阈值化步骤保留最大的 $K$ 个系数，丢弃其余部分。
存储： 仅将稀疏系数提交到持久化内存中。

这一过程确保了内存使用量随状态空间大小呈近对数级增长（ $O(\log N)$ ），而非线性增长（ $O(N)$ ），同时稠密向量仅在 RAM 中瞬态存在。

理论保证

论文提供的理论分析表明，如果截断误差（由于压缩引起）随迭代次数亚线性增长，则可以保持 CFR 的“无遗憾”特性。在稀疏 Haar 假设下，近似误差衰减足够快，足以确保收敛至 $\epsilon$ -纳什均衡，前提是保留的系数数量 $K$ 满足信息论下界（ $K \geq S \log |C|$ ）。如果 $K$ 低于此限制，基函数将不足以表示策略的不连续性，从而导致收敛崩溃。

3. 主要贡献

算法创新： 引入了 Haar-CFR，这是一种谱正则化算法，当压缩进度维持所需的系数计数（ $K \geq S \log |C|$ ）时，其压缩率可超过 99.9%（将存储减少了 >50,000 倍），同时保持了均衡收敛性。
效率： 证明了 Haar-CFR 克服了神经网络方法的“时间墙”。通过避免神经网络推理并利用快速基于 CPU 的 Haar 变换，它在处理高维域时比经过调优的 Deep CFR 基准实现了 6.5 倍的墙钟速度提升。
统一金融建模： 成功应用于高维市场制造环境，在该环境中，智能体能够自主地将不同的理论范式（库存风险和逆向选择）统一到一个单一的均衡模型中。
可解释性： 通过谱分解提供了内在的可解释性。与黑盒神经网络不同，Haar-CFR 允许可视化特定的策略频率（例如，将库存管理信号与逆向选择信号分离）。

4. 实验结果

该框架在三个标准游戏基准（Leduc Hold'em、Deep-Stack Kuhn Poker、Flop Hold'em）和一个自定义金融市场制造压力测试上进行了评估。

可扩展性（内存）： 在 Deep-Stack Kuhn Poker 基准测试中（规模从 $10^3$ 扩展到 $10^7$ 个状态），标准 Tabular CFR+ 在 $N=10^5$ 时耗尽内存（OOM）。Haar-CFR 在 $N=10^7$ 时仍保持仅 2.1 MB 的内存占用，展示了近对数级的扩展能力。
速度（时间）： 在 Flop Hold'em 基准测试中，Haar-CFR 大约在 4 小时内达到了 100 mbb/h 的目标可利用性，而 Deep CFR 则需要 26 小时，实现了 6.5 倍的加速。
鲁棒性： 消融研究证实，保留前 5% 的系数（ $\kappa=0.05$ ）可实现近乎无损的抽象。然而，过度压缩（ $\kappa=0.001$ ）会导致收敛失败，验证了关于所需系数数量的理论下界。
金融应用： 在市场制造领域，学习到的策略在低毒性环境下恢复了 Avellaneda–Stoikov 的线性库存偏斜，并在高毒性环境下恢复了 Glosten–Milgrom 的价差扩大。至关重要的是，它发现了一种 策略性混合 Sigmoidal 策略，这是一种非线性曲面，能够动态切换模态，有效地针对有毒流量建立起“防御墙”。
统计优越性： 在金融领域，Haar-CFR 显著优于 Deep CFR（ $p < 0.001$ ），这归功于神经网络的“谱偏差（Spectral Bias）”，即神经网络难以在没有过度训练的情况下近似高频不连续性（尖锐决策边界）。

5. 意义与主张

论文声称，Haar-CFR 确立了小波正则化遗憾最小化作为一种全新的、广泛适用的、且具有可解释性的、替代精确表格法和神经网络近似法的均衡求解方案。

弥合差距： 它提供了一条“第三条路径”，既避免了精确表格法带来的内存爆炸，也规避了神经网络近似带来的延迟和可解释性问题。
博弈论中的信号处理： 通过将遗憾景观视为信号而非表格，该方法利用了策略阈值的稀疏性，从而在结构化的非完全信息博弈中实现高保真建模。
可解释人工智能 (XAI)： 该框架通过将策略分解为正交的谱分量，提供了一种在安全敏感领域（如金融）审计算法决策的严谨机制，揭示了哪些风险因素驱动了特定的行为。

作者总结道，虽然该方法受限于均衡策略的稀ло性（如果策略是高度振荡或分形的，或者系数计数低于信息论极限，则会失效），但它成功解决了此前在经济学和数据科学领域中难以处理的高维问题。