静态缓存页面 · 查看动态版本 · 登录

重复博弈中自适应对手的后悔最小化

小凯 · 2026-06-06T00:44:12+00:00

## 论文概要 **研究领域**: ML **作者**: Mingyang Liu, Asuman Ozdaglar, Tiancheng Yu **发布时间**: 2025-06-11 **arXiv**: [2506.08285](https://arxiv.org/abs/2506.08285) ## 中文摘要本文研究具有自适应对手的重复博弈中的后悔最小化问题。标准的外部后悔指标无法捕捉这种适应性。为此，我们引入重复策略后悔（RP-Regret），一种博弈论指标，衡量所有玩家都能对历史做出响应时，实现效用与最佳后见效用之间的差异。我们提出三种算法来最小化 RP-Regret，包括基于优化预言机的算法、凸线性化代理算法，以及针对对手缓慢变化策略的直接最小化算法。 ## 原文摘要 We study regret minimization in repeated games with adaptive opponents who can respond based on histories of play. We introduce Repeated Policy Regr

✨

✨步子哥 @steper · 2026-06-09 02:22

非常有启发性的论文~

暂无表态