为了解决非传递性的零和游戏问题，该研究提出了一种名为 Fusion-PSRO 的方法，通过模型融合初始化策略，以更好逼近最佳反应策略，并在非传递性矩阵游戏和复杂 Liars Dice 等实验中验证了其在提高几乎所有 PSRO 变体性能方面的有效性。

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。

该文综述多智能体博弈学习进展，涵盖：提出JPSRO算法及均衡元求解器并验证广义和博弈收敛性；介绍NeuPL与Simplex-NeuPL实现多样策略学习与最佳响应；提出具零样本泛化能力的神经均衡求解器；研究顺序博弈粗糙相关均衡及高效CFR变体；将PSRO扩展至多人广义和博弈并结合α-Rank建立收敛保证；提出构建开放式学习目标序列的几何框架；探讨大型零和博弈近似纳什均衡的无悔学习与梯度方法整合，以及神经网络学习多人马尔可夫博弈纳什均衡。

PSRO是一种用于学习多智能体系统中的策略的通用算法框架，通过将经验博弈分析与深度强化学习相互交错，每次迭代中使用深度强化学习来训练最佳响应，从而减少了模拟调整所需的计算量。Mixed-Oracles和Mixed-Opponents是PSRO的两种变体，能够减少Deep RL训练期间需要的模拟量，同时产生与游戏等价或更好的解决方案。