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。