본 논문은 다자간 역학, 불완전 정보, 불확실성 하의 추론이 특징인 환경의 테스트베드로 오랫동안 연구되어 온 포커와 유사한 게임에 대한 AI 연구를 다룬다. 특히, 최근 텍사스 홀덤에서 인간 수준의 성과를 달성했음에도 불구하고, 다자간 역학이 제한적인 점을 지적하며, 보다 활발한 다자간 상호작용이 특징인 라이어스 포커에서 엘리트 인간 수준의 플레이를 달성한 최초의 AI 에이전트 Solly를 제시한다. Solly는 모델 프리, 액터-크리틱 딥 강화 학습 알고리즘을 사용한 자기-플레이 훈련을 통해 개발되었으며, 승률과 수익 측면에서 엘리트 인간 수준의 성과를 보였고, 언어 모델(LLMs)보다 뛰어난 성능을 보였다. Solly는 새로운 입찰 전략을 개발하고, 효과적으로 무작위 플레이를 수행하며, 세계적인 인간 플레이어에게도 쉽게 공략되지 않았다.
