PSRO是学习多智能体策略的通用框架，通过深度强化学习训练最佳响应。后续研究提出多项改进：Mixed-Oracles和Mixed-Opponents减少模拟量；Efficient PSRO提升50倍速度和10倍数据效率；增强框架引入Nash议价解，可产生媲美人类的谈判代理；PSD-PSRO通过多样性度量逼近Nash均衡；基于α-Rank的PSRO收敛更快；ADO降低可利用性；Pipeline PSRO可扩展至大型博弈；PSRO还用于提升TSP解算器泛化能力。