Nash equilibrium
PulseAugur coverage of Nash equilibrium — every cluster mentioning Nash equilibrium across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新方法计算网络防御博弈的纳什均衡
研究人员开发了一种名为动态低秩均衡计算（DLR-NE）的新方法，用于高效计算随机博弈的纳什均衡，特别是在工业控制系统（ICS）面临高级持续性威胁（APTs）的背景下。该方法利用了ICS中攻击和防御策略固有的低秩结构，与传统的全秩值迭代相比，可以显著加快计算速度。DLR-NE保证了明确的近似误差和几何收敛性，提供了一种以更低的计算成本和经过认证的安全性来开发鲁棒防御策略的实用方法。
-
博弈论框架在文本生成中实现更高的可能性
研究人员推出了一种新颖的文本生成框架“Nash Equilibrium Text”，该框架利用了博弈论。这种方法将文本修订建模为一个游戏，其中 token 位置是玩家，词汇项是动作，目标是达到纳什均衡。所提出的 Nash 解码算法比传统的自回归方法能实现显著更高的可能性，尤其是在较长序列上。当应用于 CLAPNQ 和 PubMedQA 等问答基准测试时，该方法在不进行微调的情况下，在 F1 和 ROUGE 分数上优于规模大得多的自回归…
-
新框架简化自动驾驶汽车决策
研究人员开发了一个新的框架，使用 alpha-势博弈来解决异构自动驾驶汽车之间的去中心化决策问题。该方法通过将近似纳什均衡的计算简化为最小化单个辅助函数来简化计算。该框架确立了最小化器的存在性，并表征了均衡近似误差，同时还提供了提高精度和导出社会效率保证的方法。数值实验验证了其在避碰、变道和交叉口通行等场景中的有效性。
-
新的黎曼算法处理复杂的极大极小优化问题
研究人员开发了一种新的黎曼上升-下降算法，旨在解决复杂的极大极小问题。这些问题常见于分布鲁棒优化（DRO）中，呈现出非凸非凹的景观，使得传统方法不足以应对。所提出的方法在特定增长条件下收敛到“盆地鞍点”，提供了依赖于流形曲率的收敛速率理论保证。然后，该框架应用于涉及高斯测度的DRO问题，利用Bures Wasserstein流形对协方差矩阵进行建模。
-
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。
-
博弈论增强无人机群防御能力
研究人员探索了微分博弈论在增强无人机群防御策略中的应用。该方法将敌对无人机群建模为一个理性智能体，旨在寻找防御方和入侵方行动之间的纳什均衡。模拟表明，与基线单边优化策略相比，这种博弈论方法显著提高了成功拦截的概率，尤其是在入侵无人机群采用规避机动时。贝叶斯分析进一步支持了博弈论方法的优越性，为其在保护高价值资产方面的有效性分配了较高的后验概率。
-
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AI框架学习交叉口类人驾驶行为
研究人员开发了一个名为深度虚构博弈潜在微分博弈（DFP-PDG）的新框架，用于模拟和学习无信号交叉口处的类人驾驶行为。该方法将车辆交互重新构建为潜在微分博弈，并从自然驾驶数据中学习成本函数权重以捕捉不同的驾驶风格。该框架理论上保证收敛到纳什均衡，并已使用INTERACTION数据集进行了验证，证明了其在学习真实驾驶策略方面的有效性。
-
LLM 在双人游戏中展现出惊人的协调能力，但在团队中表现不佳
一项新的研究论文探讨了大型语言模型（LLM）在没有直接通信的多智能体游戏中的协调能力。研究发现，在双人游戏中，两个前沿托管的 LLM 能够持续超越纳什均衡基线，这表明它们能够推断对手的行为。然而，在更大的团队中，性能显著下降，这表明其自玩协调能力在扩展方面存在局限性。
-
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。
-
新的CS-RNR方法允许AI智能体在游戏中自我认证其漏洞
研究人员开发了一种名为置信度调度受限响应（CS-RNR）的新方法，用于在不完美信息游戏中进行博弈的智能体。该技术允许智能体自我认证其漏洞，确保任何偏离纳什均衡策略的行为都经过安全审计。CS-RNR使用置信度序列来确定何时可以利用对手的行为，然后生成候选的应对策略。在Leduc扑克上的测试中，CS-RNR在保持安全保证的同时，取得了比以前的方法显著更高的收益。
-
新的嵌入预测LLM在博弈中的策略迁移
研究人员开发了一种新的正则博弈行为嵌入方法，以更好地理解微调如何影响大型语言模型（LLM）的策略推理能力。这种嵌入方法使用两个特征——纳什均衡熵和最优响应敏感度——能够可靠地预测在新的博弈中的性能变化，而现有的结构嵌入则不能。研究结果表明，LLM的策略迁移是由博弈所需的决策行为驱动的，而不是其收益结构。
-
新算法解决了并发停止博弈中的均衡问题
研究人员开发了新的算法来分析并发停止博弈中的均衡，这是一种用于多智能体系统的模型。即使在更简单的轮流博弈场景下，这些博弈中纳什均衡的约束存在性问题也是不可判定的。该研究通过考虑ε-纳什均衡提出了一个近似解，虽然计算量大，但在ε的比特大小上是多项式的。此外，研究还探讨了极端风险敏感均衡（XRSE），在这种均衡中，玩家会考虑最坏情况下的收益，并发现并发博弈中XRSE的约束存在性问题是NP完全的。
-
共享发现悖论：汇集信息可能损害搜索结果
一个新的基准，“共享发现悖论”，分析了如何将分散的信息汇集到单一推荐中会悖论式地导致更差的搜索结果。虽然整合信息可以提高最佳单一推荐的准确性，但当代理人反复基于这个单一的汇集视图进行操作时，它会显著降低整体的群体发现能力。研究提出，这是一个协议失败，而不是信息失败，并建议“一个答案规则”将一系列行动压缩为单一的、重复的选择。该研究还探讨了自私的搜索者场景，并引入了“唯一救援奖励”来激励更好的结果。
-
共享发现悖论：研究发现汇集信息可能损害搜索
一篇题为《共享发现悖论》的新论文探讨了信息汇集如何会适得其反地导致更差的搜索结果。该研究引入了一个包含多个代理和噪声线索的基准，证明了虽然信息汇集可以改善个人推荐，但“一个答案规则”会极大地减少集体发现。论文认为这是一个协议失败，而不是信息失败，并提出了涉及协调行动或修改奖励结构以提高集体搜索效率的解决方案。
-
新的MESHA算法利用严厉触发条件解决战略线性老虎机问题
研究人员开发了MESHA，这是一种用于战略线性老虎机中最佳臂识别（BAI）的新算法。该场景涉及可能故意错误报告其特征以显得最佳的臂。MESHA采用统一采样规则和分时期严厉触发条件来减轻这些战略行为的影响，并识别与事实显著偏离的臂。该算法在战略环境中表现优于依赖最优设计采样规则的现有方法，后者可能适得其反。
-
新的PGTS框架增强了多智能体博弈策略的计算
研究人员开发了一个名为Primitive-Guided Tree Search (PGTS) 的新框架，以解决多智能体追逐-逃跑博弈中计算纳什均衡策略的复杂性。这种混合方法将离线计算小型子博弈的精确纳什均衡与部署期间的在线树搜索相结合。PGTS利用这些预先计算的最优子博弈策略和价值函数来指导其搜索并估计叶节点值，在各种图拓扑上的实验中表现优于现有的学习和启发式方法。
-
新的FALCON算法解决了航空航天领域的非凸微分博弈问题
研究人员开发了FALCON，这是一种旨在解决复杂多智能体最优控制问题的新型算法，特别适用于航空航天领域的追逐-规避和太空对抗等应用。该算法通过放宽智能体间的控制耦合并采用序贯凸规划，将非凸微分博弈问题转化为可处理的凸子博弈来解决。FALCON为这些非凸博弈提供了全局收敛到开环纳什均衡的保证，证明了其在合作和竞争场景中的有效性。
-
AI算法在游戏中系统性地选择不同的纳什均衡
一篇新的研究论文探讨了不同的算法如何在零和游戏中选择纳什均衡，发现这种选择是依赖于算法的，而不是随机的。像R-NaD和磁镜下降这样的正则化方法倾向于选择最大熵均衡，而像CFR和CFR+这样的后悔平均方法则收敛于一个较低熵的均衡。这种选择对游戏结果有下游影响，尤其是在具有顺序或隐藏信息的游戏中。
-
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…