arXiv cs.LG· Michael Sullins, Ian A. Kash·· 7 小时前AI 评分12
IR-PRM+ 引入前效用预测：在双人零和博弈中实现常数遗憾与最优迭代收敛
IR-PRM+ with Previous-Utility Prediction: Constant Regret and Best-Iterate Convergence
AI 导读
研究者提出用前效用预测（previous-utility prediction）替代额外梯度预测，使同时与交替更新的 IR-PRM+ 在有限双人零和矩阵博弈中恢复强收敛保证：外部遗憾与 T 无关，平均对偶间隙为 O(T^{-1})，最优当前迭代间隙为 O(T^{-1/2})，且当前对偶间隙趋于零、策略收敛至 Nash 均衡集。
来源：arXiv cs.LG · arxiv.org