本研究提出了AlphaZero-Edu，一个轻量级的教育导向强化学习框架，旨在解决现有框架的复杂性和可重复性问题。该框架采用模块化设计，优化资源利用，并在Gomoku比赛中表现优异，为学术研究和工业应用提供了易于接入的基准。

本研究提出了一种基于大型语言模型的五子棋AI系统，旨在解决五子棋战略规划中的挑战。该系统通过自我对弈和强化学习提升棋步选择能力，解决生成非法位置的问题，并通过并行评估减少处理时间。

本研究提出了Rapfi，旨在解决神经网络游戏AI在计算资源有限时的性能问题。Rapfi通过模式化代码本和增量更新机制，降低计算需求并保持高精度，最终在无GPU支持的环境中赢得GomoCup 2024冠军。