实体
DeepNash
DeepNash
PulseAugur coverage of DeepNash — every cluster mentioning DeepNash across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新方法引导AI自玩选择特定博弈均衡
研究人员开发了一种方法，可以在双人零和博弈中将自玩算法引导至特定的纳什均衡。通过操纵参考策略，系统可以被引导选择期望的均衡，以极低的被利用性实现高精度。该技术为控制正则化自玩的输出提供了一种新方法，将RLHF中的KL锚点重新解释为选择机制，而不仅仅是稳定性工具。
-
新GARIP方法增强零和博弈中自博弈的收敛性
研究人员推出了一种新颖的用于改进双人零和博弈中自博弈的方法，名为GARIP。与使用固定或定期更新参考的方法不同，GARIP利用过去策略的运行平均值。该方法在理论上被证明可以最小化参考值的峰值滞后，从而实现更稳定的收敛。在包括矩阵博弈以及Connect Four和Othello等棋盘博弈在内的各种博弈上的实验表明，GARIP在鲁棒性和默认超参数设置方面，表现与现有方法相当或更优。