Publicação: Learning strategic poker decision-making with Large Language Models
Carregando...
Arquivos
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
A tomada de decisão no pôquer No-Limit Texas Hold’em envolve a integração de informações categóricas, numéricas e sequenciais sob incerteza. Essas informações podem
ser representadas como texto estruturado, permitindo avaliar Large Language Models
(LLMs) como preditores de decisões estratégicas. Esta dissertação examina essa possibilidade em No-Limit Texas Hold’em 6-max, modalidade com informação imperfeita
na qual cada decisão envolve uma ação e, em casos agressivos, um tamanho de aposta
ou aumento. A tarefa é formulada como predição supervisionada sobre estados textualizados, separando os componentes categórico e numérico. Desenvolve-se um pipeline
híbrido que seleciona ações por log-probabilidades e obtém tamanhos por geração determinística e parsing numérico, permitindo analisar separadamente a escolha da ação e sua
parametrização numérica. A abordagem utiliza exemplos do PokerBench, avaliados em
preflop e postflop. Seis LLMs abertos são comparados em few-shot prompting, e o modelo
de melhor desempenho, Qwen3-14B, é especializado por fine-tuning supervisionado com
LoRA e QLoRA em cada fase. Além da Acurácia de Ação, desenvolve-se uma formulação contínua da Action-and-Sizing Accuracy (Ac-s), que preserva a prioridade da ação
e atribui crédito proporcional ao tamanho previsto quando a ação agressiva está correta.
Few-shot prompting fornece uma linha de base, mas fica abaixo da adaptação supervisionada. Após o fine-tuning, o Qwen3-14B alcança 93,3% de acurácia de ação no preflop
e 91,8% no postflop, com ganhos de 17,2 e 40,3 pontos percentuais, respectivamente. As
análises mostram melhorias consistentes entre ações e contextos, enquanto os diagnósticos
condicionais indicam elevada concordância proporcional dos sizings em ambos os estágios
após o acerto da ação agressiva. Assim, a dissertação contribui com uma formulação operacional, uma métrica contínua, um pipeline reproduzível e uma análise de LLMs abertos
para decisão estratégica estruturada em um domínio de informação imperfeita
Abstract
Decision-making in the poker variant No-Limit Texas Hold’em involves integrating
categorical, numerical, and sequential information in an imperfect-information environment. These elements can be represented as structured text, enabling the investigation
of Large Language Models (LLMs) as predictors of strategic decisions. This dissertation
examines that possibility in 6-max No-Limit Texas Hold’em, an imperfect-information
setting in which each decision involves an action and, in aggressive cases, a bet or raise
sizing. The task is formulated as supervised prediction over textualized states, separating its categorical and numerical components. A hybrid pipeline selects actions through
log-probability scoring and obtains sizings through deterministic generation followed by
numerical parsing, enabling separate analysis of action selection and numerical parameterization. PokerBench examples are evaluated in preflop and postflop settings. Six
open LLMs are compared under few-shot prompting, and the best-performing model,
Qwen3-14B, is specialized through supervised fine-tuning with LoRA and QLoRA for
each game stage. In addition to Action Accuracy, a continuous formulation of Actionand-Sizing Accuracy (Ac-s) is developed to preserve action-first semantics while assigning
proportional credit to sizing predictions when the aggressive action is correct. Few-shot
prompting provides an informative baseline but remains below supervised adaptation.
After fine-tuning, Qwen3-14B achieves 93.3% Action Accuracy preflop and 91.8% postflop, corresponding to gains of 17.2 and 40.3 percentage points, respectively. Analyses
show consistent improvements across actions and contexts, while conditional diagnostics
indicate high proportional sizing agreement in both stages after the aggressive action is
correctly identified. The dissertation therefore contributes an operational formulation, a
continuous metric, a reproducible evaluation pipeline, and an empirical analysis of open
LLMs for structured strategic decision-making in an imperfect-information domain.
Palavras-chave
Language Models, Poker, No-Limit Texas Hold'em, Supervised Fine-Tuning, Strategic Decision-Making
Citação
DINIZ, Lucas de Oliveira. Learning Strategic Poker Decision-Making with Large Language Models. 2026. 89 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2026. DOI http://doi.org/10.14393/ufu.di.2026.510.
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto