game theory
PulseAugur coverage of game theory — every cluster mentioning game theory across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新论文使用观察网络对具有部分信息的战略决策进行建模
arXiv上的一篇新论文引入了“网络可理性化”的概念,用于模拟在具有部分和不对称信息的情况下进行战略决策。该研究定义了一个基于观察网络的解概念,其中玩家对对手策略的了解由有向边决定。研究探讨了网络拓扑如何影响复杂性,发现即使是单个链接也会使搜索在计算上变得困难,而分层网络则允许进行多项式时间验证。
-
新算法在不完全信息博弈中学习和引导智能体
研究人员开发了一种名为Learn-Compute-Steer的新算法,用于处理多智能体系统中中介者在不完全了解其效用的情况下旨在影响智能体行为的场景。该算法仅使用轨迹反馈,即可学习未知的博弈动态,并将适应性智能体引导至符合中介者目标的结果。该方法实现了与理论下界相匹配的样本复杂度,并在在线学习、均衡计算以及引导至中介者最优的扩展形式相关均衡方面表现出有效性。
-
新算法计算两玩家零和博弈中的精确均衡
研究人员开发了一种确定性多项式时间算法,用于计算具有完美回忆的两玩家零和博弈中的精确广泛形式的恰当均衡。该算法为每个信息集分配一个行动概率的几何置换多面体,然后使用双随机表示将其嵌入到多项式大小的序列形式多面体中。通过建立参数化线性系统的符号稳定性并构建持久可行的基,该方法即使对于具有消失实现概率的信息集,也能确保具有多项式编码长度的有理概率。
-
新方法从审查过的出价中学习最优拍卖保留价格
研究人员开发了一种方法,可以使用审查过的出价数据来学习第二价格拍卖的最优保留价格。该方法利用单调风险率(MHR)假设来识别最优保留价格,即使在完整价值分布未知的情况下也是如此。该研究通过在合成数据和eBay数据上进行的实验,提供了关于学习遗憾的理论保证,并展示了实际收益,突出了在参数模型错误指定时稳健规则的好处。
-
新算法为 $\ell_\infty$ 收缩提供了拟多项式时间解决方案
开发了一种新的算法,用于计算 $\ell_\infty$ 范数中非扩张映射的近似不动点。该算法的运行时间为 $\log(1/\eps)^{O(\log^2 d)}$,这对于以拟多项式时间解决简单的随机博弈具有重要意义。该研究利用了提升论证来逐步缩小搜索区域。
-
AI安全研究揭示了有用性和无害性之间的根本性权衡
一篇新发表在arXiv上的论文探讨了AI安全中不同期望特性之间固有的权衡,例如确保AI系统既无害又有用。该研究将AI交互形式化为一个涉及防御者、攻击者和AI本身的“三方博弈”,证明了在提供有用建议的同时维护公共安全之间存在根本性冲突。作者还研究了操纵共享信息以专门使防御者受益的方法,并讨论了设计更安全AI系统的相关影响。
-
新的拍卖机制利用人工信用优化空中交通时段的重新分配
研究人员开发了一种新颖的顺序资源重新分配方案,该方案使用可重复使用的人工信用,适用于需要因容量减少而重新分配不可分割资源(如空中交通时段)的情况。该封闭信贷系统解决了货币补偿不切实际的场景,将小数额出资解析为最终分配。提出的上升拍卖机制使用最小子组市场出清价格,并已被证明可以保持个体理性与帕累托效率,模拟表明空中交通管理中的延误和取消成本有所降低。
-
新型WGAN框架结合强化学习与博弈论,用于资源受限的车辆
研究人员开发了一个自适应多判别器 Wasserstein GAN (MD-WGAN) 框架,专为资源受限的车联网 (IoV) 环境设计。该框架整合了强化学习与博弈论,将机器学习工作负载作为网络服务进行管理,以应对动态拓扑和竞争性优化目标等挑战。该系统利用带有生成器和深度Q网络代理的路边单元来选择判别器并管理分布式训练,而博弈论协调则分配训练周期。在NGSIM轨迹数据上的评估表明,MD-WGAN实现了与最先进GAN相当的预测精度,同时显…
-
新方法最小化序列物品分配中的累积嫉妒
研究人员开发了一种新方法,可以在分配一系列不可分割的物品时最小化累积嫉妒。该方法考虑了嫉妒随时间的持续时间和幅度,并引入“累积最大嫉妒”作为关键指标。尽管即使在简单的估值场景下,该问题也是NP难的,但该研究为固定数量的代理提出了动态规划解决方案,并为相同的整数估值提出了FPTAS。此外,一种贪婪算法为可以选择到达顺序的变体提供了近似保证。
-
新的动态规划方法分析图上的追逐-逃避博弈
研究人员开发了一种新的基于集合的动态规划方法,用于分析图上的离散、同步移动追逐-逃避博弈。该方法提供了追逐者获胜的充要条件,与之前仅提供充分条件并依赖开环策略的几何方法不同。该分析还允许将优势集转换为实时反馈策略。对于双方都无法保证获胜的情况,该研究引入了一种瞬时矩阵博弈公式来确定追逐者获胜概率的界限,并通过仿真结果验证了该方法。
-
地球AI进化迎来关键时刻,公众未察觉
一个重大的、但几乎未被注意到的事件已经发生,标志着地球历史上一个关键时刻的到来,其重要性可与生命起源本身相媲美。这一发展被置于人工智能和博弈论的背景下,暗示着一个已在很大程度上未被公众承认的深刻转变。
-
新方法通过效用设计优化多智能体系统性能
研究人员开发了一种线性规划方法,用于推导多智能体系统的最优效用函数,旨在通过纯协调价格(pPoA)来衡量和提高系统性能。该新方法首次解决了任意信息网络的最佳效用设计问题,将先前仅限于完全信息设置的工作进行了泛化。对于超模目标函数,研究证明了在不进行通信的情况下进行效用设计是最佳的,无论网络结构如何。此外,对于次模目标,数值分析表明其对通信故障具有鲁棒性;对于最大覆盖问题,特定的边际贡献效用设计被证明可以优化各种网络上的pPoA。
-
综述论文详述多智能体AI决策方法
一篇新的综述论文详细介绍了多智能体协同决策领域的进展,该领域对于自动驾驶和灾难救援等复杂任务中的AI系统至关重要。论文将当前方法分为五类:基于规则(包括模糊逻辑)、基于博弈论、基于进化算法、基于深度多智能体强化学习(MARL)以及基于大语言模型(LLMs)推理。论文强调了MARL和基于LLM的方法的显著优势,并讨论了未来的研究方向和挑战。
-
人工智能在不公平系统中的伦理与诚信探讨
该集群讨论了个人诚信能否在被视为不公平的系统中获胜的哲学问题,并将其与博弈论和政治伦理进行类比。它探讨了在人工智能背景下腐败和追寻意义的主题。
-
新论文探讨博弈中的遗憾、均衡与学习
一篇新论文全面概述了博弈中的学习,探讨了单智能体决策过程和多智能体交互。它引入了一系列正则化学习策略,旨在平衡探索与利用。该工作提出了对抗性赌博机的遗憾界限以及零和博弈的均衡收敛结果,将战略稳定性与动态学习吸引子联系起来。
-
新研究分析对抗性多智能体竞价博弈中的最优策略
本文分析了平均收益竞价博弈中最优策略的交互,这是一种多智能体系统,其中智能体被设计为对抗性行为。研究聚焦于在图上进行的竞价博弈,其中拍卖决定代币的移动并为效用计算生成无限路径。该研究调查了当智能体针对对手进行优化时产生的博弈,表明在某些条件下,产生的博弈最终是周期性的,并开发了计算玩家效用的算法。
-
New game theory model predicts cooperation in foundation model agents
研究人员开发了一个新的博弈论框架“嵌入式均衡”,以更好地模拟基于基础模型的 AI 代理的行为。与假设解耦的代理的经典博弈论不同,这个新模型将代理视为嵌入其环境之中,并将其自身的决策过程视为系统的一部分。这种方法可以预测合作,这与通常在社会困境中预测背叛的传统模型形成对比。“嵌入式贝叶斯代理”通过允许代理推断他人的行为相似性,并利用自身的规划审议作为潜在合作的证据来形式化这一点。
-
新研究揭示算法共谋被AI代理的竞争性定价所掩盖
一篇新研究论文探讨了算法共谋的概念,证明了竞争性定价可以掩盖有利可图的阴谋。研究表明,竞价代理可以通过分配无法解释的竞价组成部分来进行协调,使其个体竞价历史看起来具有竞争力,但实际上仍在进行共谋行为。这种现象在语言模型代理中得到了观察,同一模型部署之间的残差相关性远高于不同模型之间的相关性。研究还表明,增加采样温度可以作为一种缓解策略,并分析了以太坊区块构建拍卖数据,展示了区分合法操作和阴谋的挑战性,并提出将身份计数作为一种更易于处理的监管方法。
-
博弈论模型揭示GenAI发布者竞争中的不稳定性
一个新的博弈论模型探讨了内容发布者在生成式AI(GenAI)生态系统中的战略行为。该研究引入了一个框架,用于分析当GenAI系统生成带有引用的答案时,发布者如何争夺基于归因的曝光。研究在最佳响应动态下调查了学习动态,将收敛到均衡与生态系统稳定性相关联。研究结果表明,一些现实世界的机制会导致生态系统不稳定,而一种特征化的机制可以诱导稳定性,尽管稳定的机制并不总是能最大化整体福利。
-
新框架在混沌博弈动力学中发现统计规律
研究人员开发了一个新的框架,利用遍历论中的自然不变测度来分析博弈论中的混沌动力学。这种方法可以对诸如乘法权重更新(MWU)等算法的长期行为进行统计表征,即使它们没有收敛到纳什均衡。该研究表明,通过融合博弈论和动力学系统的概念,该方法可以精确计算各种经济指标(如收益和社会成本)的时间平均值。