日本麻将（Riichi Mahjong）是一种多玩家、不完全信息游戏，具有随机性和高维状态空间的特点。这些特性使其成为强化学习研究的理想测试平台，因为它所呈现的挑战组合与现实世界中复杂的决策问题高度相似。以往的研究大多依赖从人类对局日志中进行监督学习来预训练策略，但能够从零开始（tabula rasa）学习的算法在通用性上更具潜力，AlphaZero系列工作已经证明了这一点。
为了推动这类研究，来自多个机构的研究者（第一作者为Soichiro Nishimori，共六位作者）在arXiv上发布了题为《Mahjax: A GPU-Accelerated Mahjong Simulator for Reinforcement Learning in JAX》的论文（arXiv:2605.20577v1，2026年5月20日提交）。他们提出了Mahjax——一个完全向量化的日本麻将环境，使用JAX实现，从而能够在图形处理器（GPU）上实现大规模 rollout 并行化。该环境旨在解决传统麻将模拟器在强化学习训练中吞吐量不足的问题，使得从零开始的大规模训练成为可能。
Mahjax的核心设计是将整个游戏状态和规则逻辑向量化，从而充分利用JAX的即时编译和自动向量化能力。研究团队还提供了一个高质量的可视化工具，用于简化调试过程以及与训练后的智能体进行交互。这一工具对于理解智能体的决策过程和诊断训练中的问题具有重要价值。
在实验部分，作者报告了Mahjax在八块NVIDIA A100 GPU上的吞吐量表现：在无红宝牌规则下达到每秒200万步，在有红宝牌规则下达到每秒100万步。这些数字显著高于传统的基于CPU的模拟器，为大规模强化学习训练奠定了基础。此外，为了验证环境在强化学习中的实用性，研究者展示了智能体能够通过训练有效提升相对于基线策略的排名。这表明Mahjax不仅是一个高速模拟器，也是一个有效的训练平台。
该论文被归类为人工智能（cs.AI）和机器学习（cs.LG）领域，全文可通过arXiv获取，并提供了PDF、实验性HTML以及TeX源码等多种格式。Mahjax的出现有望降低日本麻将强化学习研究的门槛，并促进从零开始学习算法在不完全信息游戏中的进一步发展。未来，该环境可能被扩展到其他麻将变体或更广泛的卡牌游戏中。