AITOP

博弈论

共 8 条相关 AI 资讯
8月5日
12:19
12:19官方账号arXiv cs.AI@Alexander Meulemans, Maciej Wołczyk, Marissa A. Weis, Rajai Nasser, Roberta Rocca, Seijin Kobayashi, Guillaume Lajoie, Angelika Steger, Blake Richards, Marcus Hutter, James Manyika, Rif A. Saurous, João Sacramento, Blaise Agüera y Arcas
arXiv 论文 2608.03958 研究基础模型智能体在社会困境中的博弈行为，发现其最优规划会稳定收敛到合作，与经典博弈论预测的相互背叛相悖。作者提出“嵌入式贝叶斯智能体”理论模型，将智能体视为宇宙的一部分，对自身决策算法保持认知不确定性。通过推断他人行为相似性，智能体将自身合作决策视为相似伙伴也会合作的证据。论文提出“嵌入式均衡”替代纳什均衡，为现代 AI 智能体的社会行为建立基础博弈论。
论文博弈论基础模型智能体
推荐理由：这篇论文解释了为什么 AI 智能体比经典博弈论预测的更合作，提出了一套新理论框架，搞 AI 安全和多智能体系统的人值得看看。
原文
7月8日
09:57
6月29日
10:11
10:11官方账号arXiv cs.AI@Luis Leal
精选
这篇论文研究双人零和博弈中纳什均衡的算法依赖性选择。在六个可精确求解的博弈（包括二维纳什多面体和Kuhn扑克）中，R-NaD和磁镜下降等正则化最后迭代方法总是选择最大熵成员（在二维多面体上精确，在Kuhn中达到99.7%最大熵）。而CFR、CFR+和虚拟博弈等遗憾平均方法则漂移到低熵面。在180个随机博弈的实验中，R-NaD在100%收敛的博弈中达到最大熵，而CFR+在94%的博弈中严格低于该值（配对Wilcoxon p<10^-27）。论文还报告了两个否定结果：去除CFR的投影未消除边界漂移；R-NaD的选择依赖初始锚点。
论文R-NaDCFR+纳什均衡
推荐理由：这篇论文用严格实验告诉你：不同博弈算法选出的纳什均衡不一样，R-NaD倾向最大熵，CFR+倾向低熵，这会影响你对付弱对手的鲁棒性。
原文
6月26日
09:50
6月12日
10:26
10:26官方账号arXiv cs.AI@Achraf Hsain, Sultan Almuhammadi
本文提出盾牌强化学习（shielded reinforcement learning）不应仅作为运行时安全机制，而应作为设计阶段的分析工具。作者通过一个受约束的双人安全博弈实例，将规范编译、乘积博弈构建、吸引子计算和获胜区域提取等自动机理论方法，用于生成系统的结构性洞察，而非对部署智能体的运行时限制。该方法输出一个“可防御性判定”——一个形式化证书，表明拓扑-规范对是否可防御，并附带获胜区域和盾牌。结合吸引子结构的拓扑级度量和盾牌约束下的对抗多智能体强化学习行为，形成“可防御性指纹”，同时捕捉形式安全属性和自适应博弈下的操作行为。通过假设分析发现，形式可防御性与操作有效性捕捉了安全的不同方面：小的架构变化可导致操作结果的巨大变化，而形式安全裕度几乎不变。因此，盾牌合成最有价值之处不在于作为安全智能体的部署机制，而在于回答系统是否、何处以及如何可防御的架构问题。
论文盾牌强化学习形式化验证网络安全
推荐理由：这篇论文把盾牌合成从运行时约束工具重新定义为设计阶段的分析框架，做网络安全架构和形式化验证的团队值得一读——它提供了一种新思路，用形式化方法回答“系统到底能不能防住”这个根本问题。
原文
6月5日
13:18
13:18官方账号arXiv cs.LG@Qintong Xie, Edward Koh, Xavier Cadet, Peter Chin
精选
论文提出DNQ框架，用于训练在共享约束、有限信息和重复互动环境中的竞标智能体。该方法通过轨迹收集、基于评论家的收益估计、均衡计算和策略模仿的交替循环，在每一状态利用共享评论家预测收益矩阵，外部求解器计算纳什均衡，并通过KL散度最小化训练智能体。实验对比了成对和精确两种变体，显示成对方法在智能体数量扩展上更具优势，而精确方法在博弈规模增大时计算不可行。该研究揭示了重复竞争环境中策略保真度与可扩展性之间的权衡。
论文博弈论Nash Q网络多智能体
推荐理由：做多智能体博弈或竞标系统研究的团队，这篇论文给出了一个实用的均衡监督框架，成对方法在扩展性上表现突出，值得关注其训练成本与策略精度的平衡思路。
原文
12:16
12:16官方账号arXiv cs.AI@Mingyang Liu, Asuman Ozdaglar, Tiancheng Yu, Kaiqing Zhang
精选
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。
论文遗憾最小化重复博弈自适应对手
推荐理由：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。
原文
5月22日
11:16
11:16官方账号arXiv cs.AI@Youssef Allouah, Mahdi Haghifam, Sanmi Koyejo, Reza Shokri
精选
本文通过最小最大博弈框架研究模型蒸馏攻击中的部署权衡：模型输出越有用，越容易被模仿。作者提出自适应评估规则，学生可重加权高价值样本；同时设计教师端防御模板，抑制最易被蒸馏的输出。基于示例价值的廉价代理，提出Product-of-Experts (PoE) 防御，仅需前向传播即可结合教师与代理学生。实验表明，自适应评估揭示被动与自适应攻击的巨大差距：在GSM8K和MATH上，自适应学生恢复的能力远超被动评估。PoE在成本远低于现有防御的情况下，鲁棒性差距显著缩小，且保留更高质量的推理轨迹。代码已开源。
论文蒸馏攻击模型安全自适应攻击
推荐理由：这篇论文戳破了蒸馏防御的假象——被动评估下的鲁棒性在自适应攻击面前不堪一击。做模型安全或部署的团队，建议用文中的自适应评估框架重新审视你的防御方案。
原文