Drop7 自主策略研究：在随机益智游戏中寻找接近人类高手的玩法

Drop7 研究通过学习式查找表、expectimax 搜索等方法寻找自主策略，当前最佳候选在 512 局未见游戏中的平均得分为 516,155 分，接近百万分目标。研究还比较了不同深度与规模的学习评估器，但公开开发种子上的证据仅属 SCREEN 级别，尚未完成正式资格验证。