2022年歐冠杯強化學習利用與代理同伴一起玩的記憶體驗來訓練神經網絡，預測行為的預期價值。DG百家樂技巧代理自己行為的經驗（st，at）儲存在一個分開的記憶中，一個監督學習方法利用該記憶來訓練神經網絡，預測代理自己的平均行為。NFSP 代理可以通過從自己的行為的平均、常規策略和貪婪策略（貪婪策略將預測的估值最大化）中取樣，從而小心行事。NFSP 模擬虛擬對戰，這是在遊戲學習中一種流行的遊戲理論模型，在一些經典遊戲中收斂至納什均衡，例如雙玩家零和遊戲和多玩家潛在博弈。我們在一個雙人零和計算機DG百家樂中實證評估了我們的方法。在這個領域中，2022年世足賽目前的遊戲理論方法使用啟發性方法，將遊戲抽象至一個可以駕馭的規模（Zinkevich 等人, 2007; Gilpin 等人, 2007； Johanson 等人，2013）。雖然限制德州拿住DG百家樂（LHE）——一種真實歐冠規模的DG百家樂——DG百家樂技巧已經可以用目前的計算資源解決（Bowling 等人，2015），大部分其他DG百家樂和真實歐冠遊戲如果不經過抽象化便無法觸及。我們的方法不依賴例如抽象化或者其他任何的預先知識。NFSP 代理利用深度強化學習來直接從其與遊戲互動的經驗中學習。當應用在DG百家樂上的時候，NFSP 實現了一種納什均衡，而普通的強化學習方法出現了偏離。我們還將 NFSP 應用到 LHE，直接從原始輸入中學習。NFSP 學會了一種具有競爭力的策略，DG百家樂技巧基於手工抽象化實現了頂尖方法的運行效果。
