两个玩家都由具有完全相同权重的完全相同的网络表示（类似于 AplhaGO、AlphaGoZero 和 AlphaZero）。因此，它们的行为将相同。因为你只有一个网络，所以 MuZero 无法学习两种不同的策略，而只能学习一种。

你也可以这样想：MuZero 实际上学会了只玩白色（或黑色，但只是其中一个）而不知道玩另一种颜色（至少以前算法的多个实现，如 AlphaGo Zero 和与 MuZero 类似的 AlphaZero 正是这样做的）。所以，为了欺骗它也能玩其他颜色，当网络需要玩黑色时，你只需将桌子上的颜色翻转，让黑色变成白色（白色变成黑色），网络知道该怎么办。选择移动后，你将整个事情翻转回来，这通常是它的完成方式。所以，从你的网络的角度来看，它总是会显示白色，但是因为你做了颜色的翻转，你实际上可以让它们在不知情的情况下相互对抗。

即使不使用翻转表格颜色的技巧，通过进行 MCTS 模拟，您将获得每个状态的动作统计信息，并且通常当您进行更多模拟时，这些统计信息会告诉您哪些动作在每个状态中是最好的状态。当你训练时，你会尝试模仿这一点。因此，您的网络将在每个状态下学习哪些动作是最好的，这就是为什么它学会在每个状态下采取最好的可能动作的原因。