arXiv cs.LG· Miaobo Hu, Shuhao Hu, Xiaobo Guo, Xin Wang, Bokun Wang, Rui Chen, Daren Zha, Jun Xiao·· 7 小时前AI 评分20
SafeAdapt-Poker：对手策略漂移下预算化适应的反事实风险校准
SafeAdapt-Poker: Counterfactual Risk Calibration for Budgeted Adaptation under Opponent Shift
AI 导读
SafeAdapt-Poker 将对手策略漂移下的预算化适应建模为双反事实序贯控制问题，仅使用每次决策前可得的信息。在精确 Leduc 上，完整控制器取得 +0.0718 的匹配弱池收益、最差对手 delta 为 -0.0126，并将延迟机会捕获率从短视分配的 0.6318 提升至 0.7841；在 abstract-HUNL 跨对局中达到 +42.7 mbb/hand。
来源：arXiv cs.LG · arxiv.org