PulseAugur
中
实时 05:38:54
实体 SOS-MD

SOS-MD

PulseAugur coverage of SOS-MD — every cluster mentioning SOS-MD across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
0
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_36927 ·

    新框架致力于学习零和马尔可夫博弈中的纳什均衡

    研究人员开发了一个名为正则化离线序贯均衡（ROSE）的新理论框架，用于学习离线双人零和马尔可夫博弈中的纳什均衡。该框架利用KL正则化来稳定学习并确保收敛，改进了现有通常依赖显式悲观主义的方法。还提出了一个实用的算法，序贯离线自对弈镜像下降（SOS-MD），该算法实现了快速收敛速度和消失的优化误差。