在学习复杂游戏的过程中，人类玩家会抽象出符合游戏规则的概念和策略，以提升自己的表现。这些抽象概念既用于解释对手的行为，也用于指导自己的决策。理解对手的策略是提升水平的关键，但往往需要大量时间和精力。
本文提出了一种类人认知的训练框架，使强化学习（RL）智能体能够将学习到的策略和策略对应的动作序列合成为可执行的程序。我们设计了自动化的程序学习方法，能够从棋局记录和网格环境的轨迹中归纳出简洁的策略程序。
实验在国际象棋和一个基于网格的任务平台上进行。结果表明，合成的程序能够在实际对弈中产生有效的动作，并且仅依赖于已有的游戏数据即可完成学习。
点评