論文の概要: Deep Incentive Design with Differentiable Equilibrium Blocks

• arxiv url: http://arxiv.org/abs/2603.07705v2
• Date: Thu, 12 Mar 2026 17:09:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-13 14:46:25.430787
• Title: Deep Incentive Design with Differentiable Equilibrium Blocks
• Title（参考訳）: 微分可能な平衡ブロックを用いた深部インセンティブ設計
• Authors: Vinzenz Thoma, Georgios Piliouras, Luke Marris,
• Abstract要約: ゲームに依存しない微分可能な平衡ブロック(DEB)は、様々なインセンティブ設計問題に対処する新しいフレームワークのモジュールである。 タスク毎に統一パイプラインとDEBを使用して、単一のニューラルネットワークをトレーニングする。 このアーキテクチャは、コンテキストによってパラメータ化される問題インスタンスの完全な分散を解決する。
• 参考スコア（独自算出の注目度）: 31.490756127062507
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated design of multi-agent interactions with desirable equilibrium outcomes is inherently difficult due to the computational hardness, non-uniqueness, and instability of the resulting equilibria. In this work, we propose the use of game-agnostic differentiable equilibrium blocks (DEBs) as modules in a novel, differentiable framework to address a wide variety of incentive design problems from economics and computer science. We call this framework deep incentive design (DID). To validate our approach, we examine three diverse, challenging incentive design tasks: contract design, machine scheduling, and inverse equilibrium problems. For each task, we train a single neural network using a unified pipeline and DEB. This architecture solves the full distribution of problem instances, parameterized by a context, handling all games across a wide range of scales (from two to sixteen actions per player).
• Abstract（参考訳）: 望ましい平衡結果を持つマルチエージェント相互作用の自動設計は、計算硬度、非特異性、および結果の平衡不安定性のために本質的に困難である。 本研究では,ゲームに依存しない微分可能な平衡ブロック(DEB)を,経済学や計算機科学から幅広いインセンティブ設計問題に対処するための,新しい微分可能なフレームワークのモジュールとして用いることを提案する。 私たちはこのフレームワークをディープインセンティブデザイン(DID)と呼んでいる。 提案手法を検証するために,契約設計,機械スケジューリング,逆平衡問題という,多種多様かつ挑戦的な3つのインセンティブ設計課題を検討した。 各タスクに対して、統一パイプラインとDEBを使用して、単一のニューラルネットワークをトレーニングする。 このアーキテクチャは、コンテキストによってパラメータ化された問題インスタンスの完全な分散を解決し、幅広いスケール(プレイヤーごとに2から16のアクション)で全てのゲームを扱う。

関連論文リスト

• Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [91.17994756436259]
  大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。 既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。 協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
  論文  参考訳（メタデータ） (2025-07-24T09:17:41Z)
• Constrained Stein Variational Gradient Descent for Robot Perception, Planning, and Identification [11.126853736828984]
  本稿では、制約付き最適化の原理を新しい変分推論に応用する2つの新しいフレームワークを提案する。 衝突を正確に回避するロボット動作計画,SE(3)多様体上のロボットアーム関節角度の正確なテーブル配置制約,およびテーブル配置制約付きポイントクラウドからのオブジェクトポーズの分布を構築することができることを示す。
  論文  参考訳（メタデータ） (2025-05-31T14:52:34Z)
• Synthesis of Reward Machines for Multi-Agent Equilibrium Design (Full Version) [2.2099217573031678]
  報酬機として知られる動的インセンティブ構造を用いた平衡設計の問題点を考察する。 設計者の目標を最適化する方法で報酬を割り当てる動的インセンティブを表現するために、報酬マシンをどのように利用できるかを示す。 我々は,NPオラクルを備えたチューリングマシンを用いて,両問題を時間内に解くことができることを示す。
  論文  参考訳（メタデータ） (2024-08-19T15:17:58Z)
• Turbocharging Solution Concepts: Solving NEs, CEs and CCEs with Neural Equilibrium Solvers [22.85979978964773]
  Nash Equilibria、Correlated Equilibria、Coarse Correlated Equilibriaといったソリューション概念は多くのマルチエージェント機械学習アルゴリズムに有用なコンポーネントである。 本稿では, ニューラルネットワークアーキテクチャを応用して, 固定形状, 購入速度, 決定性のすべてのゲームの空間を大まかに解決するニューラル平衡解法を提案する。
  論文  参考訳（メタデータ） (2022-10-17T17:00:31Z)
• Controllable Dynamic Multi-Task Architectures [92.74372912009127]
  本稿では,そのアーキテクチャと重みを動的に調整し,所望のタスク選択とリソース制約に適合させる制御可能なマルチタスクネットワークを提案する。 本稿では,タスク親和性と分岐正規化損失を利用した2つのハイパーネットの非交互トレーニングを提案し,入力の嗜好を取り入れ,適応重み付き木構造モデルを予測する。
  論文  参考訳（メタデータ） (2022-03-28T17:56:40Z)
• Mind Your Solver! On Adversarial Attack and Defense for Combinatorial Optimization [111.78035414744045]
  我々は,最適解法に対する敵攻撃と防御のメカニズムの開発を主導する。 本稿では, グラフ構造を改良し, 解法の堅牢性を高めるための, 単純かつ効果的な防衛戦略を提案する。
  論文  参考訳（メタデータ） (2021-12-28T15:10:15Z)
• Inducing Equilibria via Incentives: Simultaneous Design-and-Play Finds Global Optima [114.31577038081026]
  本稿では,デザイナーとエージェントの問題を同時に1ループで解くための効率的な手法を提案する。 設計者は平衡問題を何度も解決しないが、エージェントに対するインセンティブの全体的な影響を予測できる。 このアルゴリズムは,幅広い種類のゲームに対して,サブ線形速度で大域的最適値に収束することを示す。
  論文  参考訳（メタデータ） (2021-10-04T06:53:59Z)
• Equilibrium Design for Concurrent Games [5.9873770241999]
  ゲーム理論において、メカニズム設計は、ゲームの望ましい結果を達成するためのインセンティブの設計に関係している。 インセンティブの設計について検討し、例えば、所与の時間論理的性質を満たす平衡を求める。 応用として、平衡設計は、並列ゲームに対する合理的な合成と検証問題の代替解として用いられる。
  論文  参考訳（メタデータ） (2021-06-18T15:45:45Z)

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。