有了這些“不公允”的完善信息，“先知”在颠末强化進修练習後，很轻易成為麻将超等妙手，安宁段位也很轻易便可以跨越20段。這里的挑战是，若何操纵“先知”来指导和加快 AI 的练習。實行表白，简略的常識萃取（knowledge distillation）或仿照進修（imitation learning）其實不能很好地把“先知”的“超能力”轉移到 AI 體系上——對付一個只能获得有限信息的正常 AI 来讲，它很難仿照一個练習有素的“先知”的举動，由於“先知”的能力太强，远远超越了平凡 AI 的能力。好比，“先知”看到了其他玩家的手牌，晓得每一個玩家胡甚麼牌，以是它可以打出绝對平安的牌，防止由於丢牌使得其他玩家胡牌，但是正常的 AI 并無這些信息，它可能彻底不克不及理解為甚麼“先知”會打這张牌，以是也不克不及學到這類举動。是以，咱们必要一個更聪慧的法子，用“先知”来指导正常 AI 的练習。
對一個麻将妙手来讲，初始手牌分歧時，他的计谋也會有很大的分歧。比方，若是初始手牌好，他會踊跃進攻，以得到更多的得分；若是初始手牌欠好，他會偏向戍守，抛却胡牌，以削减丧失。這與此前的围棋 AI 和星際争霸等遊戲 AI 有很大的分歧。以是，若是咱们可以或许在對战進程中對線下练習的计谋举行调解，那末咱们便可以获得更强的麻将 AI。
蒙特卡洛树搜刮（MCTS）是围棋等遊戲 AI 中一種成熟的技能，以提高對战時的胜率。但是遗憾的是，如前所述，麻将的摸牌、打牌次序其實不固定，很難創建一個法則的博弈树。是以，MCTS 不克不及直策應用於麻将 AI。在 Suphx 中，咱们设计了一種新的法子，定名為士林馬桶不通,参数蒙特卡洛计谋自顺應（pMCPA）。
當初始的手牌發到麻将 AI 手中時，咱们會调解离線练習好的计谋，使其更顺應這個给定的初始手牌，详细進程為：
摹拟：随機采样三個敌手的手牌和墙牌，然後操纵离線练習的计谋将這一局摹拟打完。统共做 K 次。
调解：操纵這 K 次打牌的進程和得分举行梯度更新，微调计谋。
打牌：利用微调後的计谋與其他玩家举行對战。
咱们的實行表白，相對於麻将暗藏信息集的均匀巨细10的48+次方倍而言，摹拟的次数 K 的数目不必要很大，pMCPA 也其實不必要為這一局手牌采集所有可能後续状况的统计数据。因為 pMCPA 是一種参数化的法子，以是微调更新後的计谋可以帮忙咱们将從有限的摹拟中得到的常識推遍及化到未見過的状况。
Suphx 已在天凤平台特上房和其他玩家對战了5000多場，到达了该房間今朝的最高段位10段，其安宁段位到达了8.7段（如图8所示），跨越了平台上此外两個知名 AI 的程度和顶级人類選手的均匀程度。