論文の概要: Zero Knowledge Games
- arxiv url: http://arxiv.org/abs/2009.13521v2
- Date: Tue, 13 Apr 2021 19:50:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-13 22:26:44.953229
- Title: Zero Knowledge Games
- Title(参考訳): ゼロ知識ゲーム
- Authors: Ben Adler
- Abstract要約: 推論と推論の形式としてのゼロ知識戦略はゼロ知識シグナリングの概念を用いて機能する。
連続ゲームを構築する結果として生じる効果は、プレイヤーがおおよそのステージにある許容可能な確率内で、推論する能力を示す。
- 参考スコア(独自算出の注目度): 1.14219428942199
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Zero-knowledge strategies as a form of inference and reasoning operate using
the concept of zero-knowledge signaling, such that any imperfect recall or
incomplete information can be attenuated for. The resulting effect of
structuring a continuous game within a zero-knowledge strategy demonstrates the
ability to infer, within acceptable probabilities, which approximate stage a
player is in. This occurs only when an uninformed player attempts non-revealing
strategies, resulting in a higher probability of failing to appear informed.
Thus, an opposing player understanding their opponent is uninformed can choose
a more optimal strategy. In cases where an informed player chooses a
non-revealing strategy, introducing a hedge algebra as a doxastic heuristic
informs feasibility levels of trust. A counter strategy employing such a hedge
algebra facilitates optimal outcomes for both players, provided the trust is
well placed. Given indefinite, finite sub-games leading to continued
interactions based on trust, extensions to continuous games are feasible.
- Abstract(参考訳): ゼロ知識戦略(zero-knowledge strategies) 推論と推論の形式として、ゼロ知識信号(zero-knowledge signaling)という概念を用いる。
ゼロ知識戦略内で連続ゲームを構築する結果として生じる効果は、プレイヤーがおおよそのステージにいる許容可能な確率内で、推論する能力を示す。
これは、非プレーヤが非プレーヤ戦略を試みる場合にのみ発生し、インフォメーションが失われる確率が高くなる。
したがって、相手が無形であると理解している相手プレイヤーは、より最適な戦略を選択することができる。
情報提供者が非発見戦略を選択する場合、ヘッジ代数をドクサスティックヒューリスティックとして導入すると、信頼の実現可能性レベルが通知される。
このようなヘッジ代数を用いたカウンター戦略は、信頼が十分に置かれている場合、双方のプレイヤーにとって最適な結果をもたらす。
信頼に基づく継続的なインタラクションにつながる有限のサブゲームが無期限に与えられると、連続ゲームの拡張は実現可能である。
関連論文リスト
- Is Knowledge Power? On the (Im)possibility of Learning from Strategic Interactions [18.41181817693548]
主要な問題は、エージェントが自分の好みに対する不確実性を克服し、不確実性を欠く結果を達成するかどうかである。
プレイヤーの行動が学習アルゴリズムに基づいて決定される完全に戦略的な環境での反復的な相互作用について検討する。
1人のプレイヤーがゲームについて完全な知識を持っている場合、初期情報ギャップは持続することを示す。
論文 参考訳(メタデータ) (2024-08-15T17:17:56Z) - Finite-Sample Guarantees for Best-Response Learning Dynamics in Zero-Sum Matrix Games [22.380293155135096]
2人のプレイヤーゼロサム行列ゲームに対する最適応答型学習ダイナミクスについて検討する。
我々は,各プレイヤーがゲームと相手の戦略について持っている情報の種類によって区別される2つの設定について検討する。
論文 参考訳(メタデータ) (2024-07-29T15:56:49Z) - Imperfect-Recall Games: Equilibrium Concepts and Their Complexity [74.01381499760288]
エージェントが以前保持していた情報を忘れたとき、不完全なリコールの下で最適な意思決定を行う。
不完全なリコールを伴う広範囲形式のゲームフレームワークにおいて、マルチプレイヤー設定における平衡を求める際の計算複雑性を解析する。
論文 参考訳(メタデータ) (2024-06-23T00:27:28Z) - State-Constrained Zero-Sum Differential Games with One-Sided Information [19.964883571758502]
状態制約と一方的な情報を持つゼロサム差分ゲームについて検討する。
我々の貢献は、状態制約のあるゲームの拡張であり、行動戦略の計算に必要な原始的および双対的準力学原理の導出である。
論文 参考訳(メタデータ) (2024-03-05T07:51:38Z) - Stable Knowledge Editing in Large Language Models [68.98582618305679]
本稿では,知識ローカライゼーションではなく,知識増強に基づく知識編集手法であるStableKEを紹介する。
人間のラベル付けのコストを克服するため、StableKEは2つの自動知識増強戦略を統合している。
StableKEは、他の知識編集方法を超え、編集された知識とマルチホップ知識の両方の安定性を示す。
論文 参考訳(メタデータ) (2024-02-20T14:36:23Z) - The Knowledge Alignment Problem: Bridging Human and External Knowledge for Large Language Models [65.80573571314534]
MixAlignは、ユーザと知識ベースの両方と対話して、ユーザの質問が格納された情報とどのように関連しているかを把握し、統合するフレームワークである。
実験結果から、モデル性能の向上と幻覚の緩和における知識アライメントの重要性が強調され、それぞれ22.2%と27.1%の改善が指摘された。
論文 参考訳(メタデータ) (2023-05-23T04:22:50Z) - Adiabatic replay for continual learning [138.7878582237908]
生成的リプレイは、すでに知られていることを再学習するだけで、より多くの時間を費やします。
我々は、アディバティック・リプレイ(AR)と呼ぶリプレイベースのCL戦略を提案する。
VAEを用いた最先端の深層再生よりもARの方が優れていることを実験的に検証した。
論文 参考訳(メタデータ) (2023-03-23T10:18:06Z) - Abstracting Imperfect Information Away from Two-Player Zero-Sum Games [85.27865680662973]
Nayyar et al. (2013) は、プレイヤーがプレイ中にポリシーを公に発表することで、不完全な情報を共通のペイオフゲームから抽象化できることを示した。
この研究は、ある正規化された平衡が上記の非対応問題を持たないことを示している。
これらの正規化された平衡はナッシュ平衡に任意に近づくことができるので、この結果は2つのプレイヤーゼロサムゲームを解くための新たな視点への扉を開く。
論文 参考訳(メタデータ) (2023-01-22T16:54:06Z) - Deep Reinforcement Learning for FlipIt Security Game [2.0624765454705654]
本稿では,エージェントが対戦者の異なるクラスに適応し,最適な対ストラテジーを学習する深層学習モデルについて述べる。
FlipItは、プレイヤー、攻撃者、ディフェンダーの双方が共有リソースの所有権を競う2人プレイのセキュリティゲームです。
我々のモデルは、Qラーニングと組み合わせたディープニューラルネットワークであり、リソースの所有時間の最大化のために訓練されている。
論文 参考訳(メタデータ) (2020-02-28T18:26:24Z) - Signaling in Bayesian Network Congestion Games: the Subtle Power of
Symmetry [66.82463322411614]
本論文は, 最適遠点透過型シグナリング方式の問題点に焦点をあて, 対称性がその解法において重要な性質であることを示す。
プレイヤーが対称でアフィンコスト関数を持つとき,最適なエクアント説得スキームが計算可能であることを示す。
論文 参考訳(メタデータ) (2020-02-12T19:38:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。