Counterfactual Regret Minimization
PulseAugur coverage of Counterfactual Regret Minimization — every cluster mentioning Counterfactual Regret Minimization across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新算法以恒定遗憾增强博弈论求解器
一篇新研究论文介绍了一种用于解决博弈论问题的增强算法 IR-PRM+。该更新方法通过纳入先验效用预测，改进了现有的遗憾匹配和反事实遗憾最小化方法。研究表明，即使无需同时更新，该新技术也能实现恒定遗憾和与超梯度方法相当的收敛速度。研究结果适用于有限两人零和矩阵博弈和扩展形式博弈，为纳什均衡收敛提供了理论保证。
-
新的分层深度反事实遗憾最小化算法增强了不完美信息博弈的学习能力
研究人员推出了一种名为分层深度反事实遗憾最小化（HDCFR）的新型算法，旨在提高在具有庞大状态空间的不完美信息博弈中的学习效率。该方法整合了基于技能的策略学习，能够开发分层策略，其中低层组件代表子博弈的技能，高层组件管理技能转换。HDCFR还允许纳入预定义的人类专业知识，并提取可迁移技能以用于类似任务。
-
GPU-CFR 使用静态数据流和CUDA图实现遗憾最小化速度提升80倍
研究人员开发了GPU-CFR，一个新颖的编译器和运行时系统，旨在显著加速反事实遗憾最小化（CFR）计算。通过将游戏逻辑编译成静态数据流并利用CUDA图重放，GPU-CFR优化了执行序列，减少了框架操作，并实现了更快的迭代时间。这种方法使GPU-CFR在大型游戏中超越了先前的GPU实现和优化的CPU版本，实现了高达258倍的速度提升。
-
新的CFR框架为AI博弈论提供确定性保证
一篇新研究论文介绍了一种用于反事实遗憾最小化（CFR）的确定性框架，旨在提高效率并提供更强的保证。所提出的方法，称为持久性公共机会调度，通过仔细管理结果评估的顺序来解决CFR中的条件偏差问题。这种方法提供了一个确定性目标转移定理，该定理根据遗憾和公共借记项来限制可利用性，从而为特定的CFR变体实现更可靠的收敛。论文通过在单挑无限注德州扑克残局上的实验表明，持久性调度可以优于传统方法，尤其是在计算预算有限的情况下。
-
新算法解决复杂多人博弈中的纳什均衡问题 · 跟踪3 个来源
研究人员开发了一种名为“投影可利用性下降”（Projected Exploitability Descent, PED）的新算法，用于近似计算具有不完美信息的复杂多人博弈中的纳什均衡。该算法最小化了可利用性函数的一个代理目标，这是一个非凸且不光滑的目标。虽然 PED 在长时间运行中表现出持续的改进，但最初的性能不如已有的方法，如虚构博弈（Fictitious Play, FP）和反事实遗憾最小化（Counterfactual Regr…
-
新AI方法应对不完美信息游戏
研究人员正在开发新的方法来应对具有不完美信息（imperfect information）的复杂游戏。一篇论文介绍了循环结构策略梯度（Recurrent Structural Policy Gradient, RSPG），这是一种用于部分可观察平均场博弈（partially observable mean field games）的新颖方法，其收敛速度比现有方法更快。另一项研究重新评估了策略梯度方法，发现像PPO这样更简单的算法可以与…
-
新论文详述在线优化和博弈的更快速遗憾最小化
两篇新的arXiv论文探讨了在线优化和博弈论中遗憾最小化的进展。第一篇论文介绍了一种更简单、计算效率更高的算法，用于最小化线性交换遗憾，并具有接近最优的界限，该算法利用了基于响应的可接近性。第二篇论文提出了Parallel CFR，一个用于实时、深度受限反事实遗憾最小化的框架，通过并行化迭代和将叶节点评估卸载到GPU来显著加速。