Markov games
PulseAugur coverage of Markov games — every cluster mentioning Markov games across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新算法计算马尔可夫博弈中的范式相关均衡
研究人员开发了首个用于计算有限 horizonte 马尔可夫博弈中范式相关均衡（NFCEs）的高效算法。该算法的运行时间为 $S(AH/\epsilon)^{O(n)}$，其中 $n$ 为玩家数量，$S$ 为状态数，$H$ 为 horizonte，$\epsilon$ 为精度。这比之前仅关注较弱相关均衡概念的工作有了显著进步。该方法涉及在辅助阶段博弈上进行逆向归纳，并纳入了恒定期望相关均衡。该论文还在某些场景下确立了 NFCEs 的 …
-
新的 Q-迭代方法解决了连续动作零和马尔可夫博弈问题
研究人员开发了一种在线拟合 Q-迭代新方法，用于连续动作零和马尔可夫博弈。该方法利用凸凹神经网络函数逼近器来确保极小极大问题的纯策略鞍点。该研究为具有连续状态和动作的非线性二次博弈建立了有限样本保证，标志着该领域的一项重大进展。
-
新研究探索鲁棒、自适应和结构化强化学习技术 · 追踪 10 个来源
arXiv 上发表的多篇研究论文探讨了强化学习 (RL) 技术的进展。其中一篇论文统一了基于正则化的方法，以实现针对对抗性扰动的鲁棒深度强化学习，并提出了一种具有动态更新的拉格朗日乘子的约束优化方法。另一篇论文介绍了 CLAW，一种使用超网络生成低秩适配器来适应基于模型的强化学习中的世界模型的方法，在少样本学习场景中表现优于现有方法。此外，还介绍了用于长时限 LLM 代理的粒度自适应信用分配、用于具有局部对称性的强化学习的群代数状态表…
-
新算法支持在可部分观察马尔可夫博弈中独立学习纳什均衡
研究人员开发了一种用于可部分观察马尔可夫博弈（POMGs）中智能体的独立学习算法。该算法允许智能体在没有直接通信或完全状态观察的情况下学习近似纳什均衡。该方法侧重于具有独立状态转移和近势马尔可夫博弈的POMGs的一个特定子类，实现了准多项式复杂度。