12:04
官方账号arXiv cs.AI@Boning Li, Longbo Huang
推荐理由：这篇论文提出CS-RNR，让智能体只利用自己审计过的对手漏洞。Leduc扑克收益是二进制门控的6.2倍，且36,000手牌全部符合安全证书。
CS-RNR
共 1 条相关 AI 资讯
7月31日
12:04
CS-RNR 是一种对手利用方法，通过任意时点有效的置信序列跟踪对手动作频率，仅当置信区间与均衡参考分离时才视为可剥削。该方法在部署前对每个候选策略进行全树最优响应审计，生成安全性证书并与用户指定预算比较。在 Leduc hold'em 中，CS-RNR 的稳态收益是货币验证二进制门控的 6.2 倍，轨迹混合变体达到预算的 13.6 倍。在 Leduc、Liar's Dice 和 5-rank Leduc 上，全部 36,000 次审计手牌均满足报告证书容差。