本文研究了在两人零和博弈中，针对FTRL（Follow-the-Regularized-Leader）学习算法可实现的策略剩余。研究表明，策略剩余的提取是FTRL家族的固有特征，其规模与学习者采取的次优行动数量成正比。分析揭示了基于正则化器陡峭度的二分法：非陡峭正则化器通过有限时间消除次优行动，从而实现最大的瞬时剩余；而陡峭正则化器则会延迟剩余的饱和。 AI
影响 为博弈论中学习算法的行为提供了理论见解，可能影响未来AI代理的设计。
排序理由 这是一篇发表在arXiv上的研究论文，详细介绍了博弈论和学习算法的理论分析。[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 →