用WebGPU自定义内核求解Poker
Solving poker in custom WebGPU kernels
过去一年，我一直在研究Poker求解器。商业求解器昂贵，我想做一个开源、可在浏览器中运行的版本。但WebGPU缺乏类似PyTorch的通用张量库。2026年，我让Codex基于PyTorch参考实现，生成了自定义WebGPU内核。经过一夜优化，速度提升超10倍。这让我意识到：当代码生成廉价且可验证时，通用库的抽象代价可能不再划算。如今，LLM能独立实现论文算法、调优超参数，但我仍是规划与判断的核心。项目代码已开源，求解器可在holdem.computer体验。
当生成变得廉价且可验证时，通用库的权衡就会反转：一个只做我所需计算的自定义内核，能胜过通用库。
HN 评论区
19- patrickhulin
我想构建一个能近乎免费托管的扑克求解器。这意味着它必须在客户端运行，而浏览器端最好的技术就是 WebGPU。我想要的张量库当时并不存在，但在大模型时代，我们有时根本不需要库。我让 Codex 将我的数千行 PyTorch 代码转换成自定义 WebGPU 内核，并附带了等价性测试。随后，Codex 又花了几天时间对这些内核进行优化。
你可以在 https://holdem.computer 使用这个求解器，源码位于 https://github.com/phulin/poker2。
- ryanto
哇，太棒了，读起来也很过瘾。我有几个喜欢用来测试求解器的“测试点”，你的求解器在这些点上表现完美。
> 一种更现代的方法是对每个局面进行“重新求解”，限制搜索深度，并在深度截断处使用神经网络作为近似函数。
这听起来非常有趣，我很想多了解一些。几年前我写过一款求解器，它的工作原理是缩减整棵博弈树。那东西很慢，而且无法处理翻前（preflop）局面。听起来这种“重新求解”的方法允许在不构建巨大博弈树的情况下进行翻前求解？
- noname123
问所有职业玩家一个问题：对于 6 人或 9 人桌的扑克，求解器真的能解决所有局面吗？还是说排列组合实在太多了？
我的另一个问题是，人类玩家现在是如何适应 GTO（博弈论最优）玩法的？就像在其他游戏中一样，人类已经适应了新策略——我很好奇在扑克中是否有办法利用 GTO 求解器的弱点（例如，如果你将对手的牌型范围设定为 GTO，然后去追逐那些极端情况）。另外，扑克社区的公平玩法检测算法是否足够好，能像国际象棋社区那样抓出使用求解器的玩家？还是说只要稍微做点偏离就能轻松规避？非常感谢！