摘要： 在有多轮次、状态空间巨大、81种不同类别的番种、胡牌方式复杂的国标麻将中，普通的神经网络难以对复杂的数据进行表达和拟合。首次将多尺度骨干的深度神经网络用于实现麻将AI，以更好地捕获国标麻将的局部以及全局特征，适用于处理复杂数据，做出更准确的游戏策略。基于IJCAI 2020 Champion的对局数据，对训练数据进行数据增强。采用增强后的数据，在NVIDAI GeForce RTX3090 LapTop GPU上进行了5天的监督学习训练，训练出的模型有52M参数，动作准确率达到93.47%，弃牌准确率达到83.93%，鸣牌准确率达到97.56%。将提出的模型部署到北京大学开发的Botzone平台上，进入天梯榜前1%。

关键词: 深度学习；麻将；卷积神经网络；Res2Net50；多尺度骨干架构

中图分类号: 

• TP183