研究人员开发了一种名为多锚点乐观在线镜像下降（MAO-OMD）的新算法，用于在具有延迟反馈的零和游戏中进行学习。该算法在平滑游戏中的自玩（self-play）方面实现了最优的快速收敛率，同时对任何对手都提供了 minimax 最优保证。该算法在具有未知反馈延迟的平滑零和游戏中特别有效，与标准方法相比，其遗憾界限得到了改进。 AI
影响 引入了一种优化带延迟反馈游戏学习的新算法，可能影响人工智能在战略决策领域的研究。
排序理由 该集群包含一篇详细介绍新博弈论算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
