Thompson采样在零和博弈中的遗憾界研究
热点事件持续更新
Thompson采样在零和博弈中的遗憾界研究
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
一项新研究分析了 Thompson Sampling（TS）在未知有限两人零和矩阵博弈、高斯 bandit 反馈下的表现。作者 Kenshi Abe 等称，在集中式自博弈中，TS 从后验采样单一收益矩阵并求解其纳什均衡；对具有唯一纳什均衡的固定零和博弈，期望累积对偶间隙为 O(√T)，在纯均衡下可优化至 O(log T)。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
Thompson Sampling 在零和博弈多智能体学习中的遗憾界分析报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv stat.MLThompson Sampling 在零和博弈多智能体学习中的遗憾界分析
研究分析了 Thompson Sampling（TS）在未知有限两人零和矩阵博弈、高斯 bandit 反馈下的表现：集中式自博弈中 TS 从后验采样单一收益矩阵并求解其纳什均衡，对具有唯一纳什均衡的固定零和博弈，期望累积对偶间隙为 O(√T)，纯均衡下可优化至 O(log T)。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。