Model-Free Opponent Shaping

新的DUOS方法发现AI智能体的对手塑造规则

研究人员推出了一种名为DUOS（Discovered Update Rule for Opponent Shaping）的新方法，用于求解一般和博弈。该方法可以发现智能体的更新规则。与之前的LOLA和M-FOS等方法不同，DUOS在部署时不需要访问对手的参数或学习规则。所发现的规则通过元学习进行训练，仅利用自身经验来最大化智能体自身的预期回报。在比赛中，DUOS表现强劲，在归一化平均得分和自我对抗比赛中均排名第一。