論文の概要: Meta-Learning for Repeated Bayesian Persuasion

• arxiv url: http://arxiv.org/abs/2603.20408v1
• Date: Fri, 20 Mar 2026 18:29:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:38.895401
• Title: Meta-Learning for Repeated Bayesian Persuasion
• Title（参考訳）: ベイズ弁論のメタラーニング
• Authors: Ata Poyraz Turna, Asrin Efe Yorulmaz, Tamer Başar,
• Abstract要約: 本稿では,Meta-Persuasionアルゴリズムを導入し,フルフィードバックとバンディットフィードバックの両方で理論的結果の第一線を確立する。 提案手法は,タスク類似性という自然な概念の下で,よりシャープな後悔率が得られることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Classical Bayesian persuasion studies how a sender influences receivers through carefully designed signaling policies within a single strategic interaction. In many real-world environments, such interactions are repeated across multiple games, creating opportunities to exploit structural similarity across tasks. In this work, we introduce Meta-Persuasion algorithms, establishing the first line of theoretical results for both full-feedback and bandit-feedback settings in the Online Bayesian Persuasion (OBP) and Markov Persuasion Process (MPP) frameworks. We show that our proposed meta-persuasion algorithms achieve provably sharper regret rates under natural notions of task similarity, improving upon the best-known convergence rates for both OBP and MPP. At the same time, they recover the standard single-game guarantees when the sequence of games is picked arbitrarily. Finally, we complement our theoretical analysis with numerical experiments that highlight our regret improvements and the benefits of meta-learning in repeated persuasion environments.
• Abstract（参考訳）: 古典的ベイズ的説得は、送信者が単一の戦略的相互作用の中で慎重に設計されたシグナル伝達ポリシーを通じて受信者にどのように影響するかを研究する。 多くの実世界の環境では、そのような相互作用は複数のゲームにまたがって繰り返され、タスク間の構造的類似性を利用する機会を生み出している。 本研究では,Meta-Persuasionアルゴリズムを導入し,オンラインベイズパーステンション(OBP)とマルコフパーステンションプロセス(MPP)の両フレームワークにおいて,フルフィードバックおよびバンディットフィードバック設定の理論的結果の第一線を確立する。 提案アルゴリズムは,タスク類似性という自然な概念の下で,よりシャープな後悔率を実現し,OBPとMPPの双方において最もよく知られた収束率を改善した。 同時に、ゲーム列が任意に選択された場合、標準のシングルゲーム保証を回復する。 最後に,我々の理論的分析を数値実験で補完し,反復的な説得環境下でのメタラーニングの利点と後悔の相違を強調した。

関連論文リスト

• On Theoretically-Driven LLM Agents for Multi-Dimensional Discourse Analysis [0.0]
  本稿では,この課題に明示的な理論的知識を取り入れることのメリットを定量化するために,比較マルチエージェントフレームワークを提案する。 我々は、注釈付き政治討論のデータセットを利用して、4つの異なる言い換え機能を含む新しい標準を確立する。 我々は,2つの並列LLMエージェントシステムの評価を行った。1つはRetrieval-Augmented Generation (RAG)による議論理論により強化され,もう1つはゼロショットベースラインである。
  論文  参考訳（メタデータ） (2026-02-14T10:30:39Z)
• Interaction-Grounded Learning for Contextual Markov Decision Processes with Personalized Feedback [59.287761696290865]
  本稿では,個人化されたフィードバックを伴って,文脈的マルコフ決定プロセス(MDP)のサブ線形後悔保証を実現する計算効率の高いアルゴリズムを提案する。 提案手法の有効性を,合成エピソードMDPと実世界のユーザ予約データセットの両方を用いた実験を通じて,マルチターンインタラクションからパーソナライズされた目的を学習する際の有効性を示す。
  論文  参考訳（メタデータ） (2026-02-09T06:29:54Z)
• Thinking Forward and Backward: Multi-Objective Reinforcement Learning for Retrieval-Augmented Reasoning [137.33138614095435]
  Retrieval-augmented Generation (RAG) は、大規模言語モデルにおける幻覚の緩和に有効であることが証明されている。 近年、検索に基づく対話をRAGに組み込んで、リアルタイム検索による反復推論を可能にしている。 提案するBi-RARは,各中間ステップを前方方向と後方方向の両方で共同で評価する,新たな検索拡張推論フレームワークである。
  論文  参考訳（メタデータ） (2025-11-12T08:29:39Z)
• Latent Chain-of-Thought for Visual Reasoning [53.541579327424046]
  大型視覚言語モデル(LVLM)の解釈可能性および信頼性向上には,チェーン・オブ・シント(CoT)推論が不可欠である 我々は,LVLMにおける推論を後部推論として再構成し,償却変分推論に基づくスケーラブルなトレーニングアルゴリズムを提案する。 提案手法は,7つの推論ベンチマークにおいて,最先端のLVLMを強化することを実証的に実証する。
  論文  参考訳（メタデータ） (2025-10-27T23:10:06Z)
• iEBAKER: Improved Remote Sensing Image-Text Retrieval Framework via Eliminate Before Align and Keyword Explicit Reasoning [80.44805667907612]
  iEBAKERは、弱い相関のサンプルペアをフィルタリングする革新的な戦略である。 SAR(Sort After Reversed Retrieval)戦略の代替として,SAR(Sort After Retrieval)戦略を導入する。 キーワード明示型推論(KER)モジュールを組み込んで、微妙なキー概念の区別による有益な影響を促進する。
  論文  参考訳（メタデータ） (2025-04-08T03:40:19Z)
• Off-Policy Evaluation for Sequential Persuasion Process with Unobserved Confounding [2.7282382992043885]
  現実のシナリオは、しばしば受信者の信念の形成と意思決定に影響を与える隠された変数を含む。 我々はこれをシーケンシャルな意思決定問題として概念化し、送信側と受信側が複数のラウンドで対話する。 このシナリオを部分観測可能なマルコフ決定プロセス (POMDP) として再構成することにより、受信者の信念と観測不能な共同創設者の両方のダイナミクスに関する不完全な情報をキャプチャする。
  論文  参考訳（メタデータ） (2025-04-01T21:50:32Z)

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。