精选理由
这篇论文为多智能体博弈场景提供了更合理的遗憾度量，做强化学习、博弈论或多智能体系统的研究者值得关注，它可能改变你对自适应对手环境下算法设计的理解。
这篇论文针对重复博弈中自适应对手（能根据历史调整策略）的遗憾最小化问题，提出了一个新的博弈论指标——重复策略遗憾（RP-Regret）。该指标衡量所有玩家都能根据历史响应时，实际累积效用与事后最优效用之间的差距，比现有指标更贴合重复博弈场景，且约束更少。研究发现，要实现 RP-Regret 随时间次线性增长，需要满足玩家比较策略和对手策略记忆的特定条件。论文提出了三种算法来最小化非凸的 RP-Regret，包括基于优化 oracle、凸线性化代理以及直接最小化（当对手变化缓慢时）。当所有玩家都运行这些算法时，可以学习到重复博弈的某些子博弈完美均衡。实验表明，最小化 RP-Regret 能在 Stag-Hunt 等博弈中引导出更合作、效用更高的解。
AI 翻译 · 中文
这篇论文针对重复博弈中自适应对手（能根据历史调整策略）的遗憾最小化问题，提出了一个新的博弈论指标——重复策略遗憾（RP-Regret）。该指标衡量所有玩家都能根据历史响应时，实际累积效用与事后最优效用之间的差距，比现有指标更贴合重复博弈场景，且约束更少。研究发现，要实现 RP-Regret 随时间次线性增长，需要满足玩家比较策略和对手策略记忆的特定条件。论文提出了三种算法来最小化非凸的 RP-Regret，包括基于优化 oracle、凸线性化代理以及直接最小化（当对手变化缓慢时）。当所有玩家都运行这些算法时，可以学习到重复博弈的某些子博弈完美均衡。实验表明，最小化 RP-Regret 能在 Stag-Hunt 等博弈中引导出更合作、效用更高的解。
In this paper, we study regret minimization in repeated games with \emph{adaptive} opponents who can respond based on histories of play. The standard metric of \emph{external regret} in online learning is known to fail t…