★ 2
IR-PRM+ 新分析：前效用预测实现常数遗憾与最优迭代收敛
该论文提出一种新分析方法，将 IR-PRM+ 框架的强收敛保证从额外梯度更新扩展到同时与交替更新两种设置。在有限两人零和矩阵博弈中，前效用预测可恢复常数遗憾界、O(T^{-1}) 平均对偶间隙和 O(T^{-1/2}) 最优当前迭代间隙，并证明当前策略收敛至纳什均衡集。该结果还通过 IR-PCFR…
arXiv cs.LG18 天前
#纳什均衡
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
NashEval：上下文相关智能体评估框架
针对 Bradley-Terry 等评分模型强加传递性偏好、无法反映异质人类判断的问题，作者借鉴社会选择理论，将评估建模为两名玩家选择智能体分布的上下文博弈，以纳什均衡支撑集定义各上下文下的胜者集合。NashEval 通过去偏收益矩阵估计与正交损失学习上下文到均衡的映射，理论证明估计误差仅以高阶项…
arXiv cs.AI34 天前
★ 2
通过参考策略引导正则化自博弈的均衡选择
研究探讨能否利用正则化自博弈中的参考策略主动选择价值等价均衡，在五个可解博弈与二维多胞体上验证：将参考锚定到目标成员并精炼，可将自博弈导向该成员，平均坐标误差0.007。作者同时报告失效情形，如离流形参考带来0.08-0.25的可利用度代价。该配方将RLHF式KL锚重新解释为选择旋钮而非仅稳定性约…
arXiv cs.AI45 天前