論文の概要: What preferences can - and cannot - predict in multi-agent online learning

• arxiv url: http://arxiv.org/abs/2608.13810v1
• Date: Thu, 13 Aug 2026 22:42:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.221241
• Title: What preferences can - and cannot - predict in multi-agent online learning
• Title（参考訳）: マルチエージェントオンライン学習における嗜好の予測
• Abstract要約: ゲームにおける順序的、選好的ソリューション概念間の相互作用について検討する。 一方向において、すべての動的安定な集合の骨格も優先的に安定でなければならないことを示す。 次に、集合的偏差の下でレジリエンスの概念を通じてギャップを埋めます。
• 参考スコア（独自算出の注目度）: 21.642749388029525
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We examine the interplay between ordinal, preference-based solution concepts in games and the long-run behavior of game dynamics, asking in particular to what extent the combinatorial data of a game -- its preference graph -- determine the outcomes of no-regret learning dynamics -- such as follow-the-regularized-leader (FTRL). In one direction, we show that the skeleton of every dynamically stable set (i.e. the set of pure profiles it contains) must also be preferentially stable, that is, it must be closed under profitable deviations. We then ask the converse question: when do preferences determine the long-run behavior of the players' learning dynamics? We begin by showing that preferences characterize asymptotic stability in the case of subgames -- i.e. subsets of pure profiles obtained by restricting players' action sets. Beyond this case however, the equivalence between dynamic and preferential stability collapses: concretely, we construct a three-player game with a preferentially stable set whose span is dynamically unstable, showing in this way that preferences do not suffice as a criterion of dynamic stability. We then bridge this gap via the notion of resilience under aggregate deviations, an easy-to-check payoff-based condition that guarantees asymptotic stability of arbitrary spans of pure strategies.
• Abstract（参考訳）: 本研究では,ゲームにおける順序的,選好的ソリューションの概念と,ゲームダイナミクスの長期的挙動の相互関係について検討し,特にゲームの組合せデータ(その選好グラフ)が,フォロー・ザ・レギュラライズド・リーダー(FTRL)のような非回帰学習力学の結果をどの程度決定するかを問う。 一方向において、すべての動的安定な集合(すなわち、それが含む純プロファイルの集合)の骨格も優先的に安定でなければならないこと、すなわち、利益ある偏差の下で閉じなければならないことを示す。 プレイヤーの学習力学の長期的行動はいつ決定されるのか? まず、サブゲームの場合、例えばプレイヤーのアクションセットを制限することによって得られる純粋プロファイルのサブセットにおいて、嗜好が漸近安定性を特徴付けることを示す。 具体的には、スパンが動的に不安定な優先的に安定なセットを持つ3人プレイヤゲームを構築し、この方法では、動的安定性の基準として嗜好が十分でないことを示す。 そして、このギャップを、任意の純粋な戦略の漸近的安定性を保証するペイオフベースの条件である、集合偏差の下でのレジリエンスという概念を通じて橋渡しする。

関連論文リスト

• The Road Taken: The Role of Optimizers at the Edge of Stability [53.81268610971847]
  安定性のエッジ(Edge of stability)とは、古典的な降下が不安定であると予測されるしきい値より上のヘッセンの固有値が安定である深層学習における現象を指す。 それまでの研究は、最大ヘッセン固有値と学習率に関して安定性の端を定式化していた。 我々は、勾配降下を含む多くの一階法が、これらの理論によって予測される安定性を21.1ドルという大きな因子で著しく破っていることを観察した。
  論文  参考訳（メタデータ） (2026-08-19T01:03:34Z)
• A Forward-Inverse Dynamic Game Framework for Enhanced Multi-Agent Trajectory Planning [10.027004863448854]
  そこで本稿では, 最適性と行動前処理を適応的にバランスさせる状態依存重み付きKL正規化動的ゲームを提案する。 正規化局所ゲームの一点当たりの well-posedness を確立し、適応重み付け関数が有界な名目軌道更新の下でリプシッツ連続であることを示す。
  論文  参考訳（メタデータ） (2026-08-03T03:15:37Z)
• Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration [72.0672328514289]
  マルチモーダル学習は、しばしば低品質データの課題に悩まされる。 コンフォーマル予測自己校正(Conformal Predictive Self-Calibration)と呼ばれる統合フレームワークを提案する。 私たちのフレームワークは、既存の最先端メソッドを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-05-05T14:48:52Z)
• An Actor-Critic Framework for Continuous-Time Jump-Diffusion Controls with Normalizing Flows [10.996737071400004]
  時間的不均一なジャンプ拡散ダイナミクスによる連続的な時間制御は、金融と経済の中心である。 エントロピー規則化制御問題やジャンプを伴うゲームに対して,メッシュフリーな解法として機能するアクタ批判フレームワークを提案する。 本稿では,時間不均一な線形四元数制御,メルトンポートフォリオ最適化,マルチエージェントポートフォリオゲームについて検証する。
  論文  参考訳（メタデータ） (2026-04-07T03:49:08Z)
• Not All Preferences Are Created Equal: Stability-Aware and Gradient-Efficient Alignment for Reasoning Models [52.48582333951919]
  ポリシー更新の信号対雑音比を最大化することにより、アライメントの信頼性を高めるために設計された動的フレームワークを提案する。 SAGE(Stability-Aware Gradient Efficiency)は、モデル能力に基づいて候補プールをリフレッシュする粗いきめ細かいカリキュラムメカニズムを統合する。 複数の数学的推論ベンチマークの実験により、SAGEは収束を著しく加速し、静的ベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2026-02-01T12:56:10Z)
• Robust equilibria in continuous games: From strategic to dynamic robustness [25.372363445606265]
  連続ゲームにおけるナッシュ均衡のロバスト性について、戦略的および動的不確実性の両方の下で検討する。 それらとは全く異なる起源にもかかわらず、ロバスト性という2つの概念の間の構造的対応を確立する。 エントロピカルに規則化された学習は、親和性に制約されたアクション空間を持つゲームにおいて幾何的な速度で収束することを示す。
  論文  参考訳（メタデータ） (2025-12-09T00:30:23Z)
• Exploiting hidden structures in non-convex games for convergence to Nash equilibrium [62.88214569402201]
  現代の機械学習アプリケーションは、非協調的なナッシュリリアとして定式化することができる。 決定論的環境と決定論的環境の両方に明確な収束保証を提供する。
  論文  参考訳（メタデータ） (2023-12-27T15:21:25Z)
• The equivalence of dynamic and strategic stability under regularized learning in games [33.74394172275373]
  有限ゲームにおける正規化学習の長時間動作について検討する。 戦略的安定性と動的安定性の等価性を得る。 エントロピー正則化に基づく手法は幾何速度で収束することを示す。
  論文  参考訳（メタデータ） (2023-11-04T14:07:33Z)
• Finding mixed-strategy equilibria of continuous-action games without gradients using randomized policy networks [83.28949556413717]
  グラデーションへのアクセスを伴わない連続アクションゲームのナッシュ平衡を近似的に計算する問題について検討する。 ニューラルネットワークを用いてプレイヤーの戦略をモデル化する。 本論文は、制約のない混合戦略と勾配情報のない一般的な連続アクションゲームを解決する最初の方法である。
  論文  参考訳（メタデータ） (2022-11-29T05:16:41Z)
• A unified stochastic approximation framework for learning in games [82.74514886461257]
  ゲームにおける学習の長期的挙動(連続的・有限的)を解析するためのフレキシブルな近似フレームワークを開発する。 提案する分析テンプレートには,勾配に基づく手法,有限ゲームでの学習のための指数的/乗算的重み付け,楽観的および帯域的変異など,幅広い一般的な学習アルゴリズムが組み込まれている。
  論文  参考訳（メタデータ） (2022-06-08T14:30:38Z)
• Learning Equilibria in Matching Markets from Bandit Feedback [139.29934476625488]
  不確実性の下で安定した市場成果を学習するためのフレームワークとアルゴリズムを開発する。 私たちの研究は、大規模なデータ駆動の市場において、いつ、どのように安定したマッチングが生じるかを明らかにするための第一歩を踏み出します。
  論文  参考訳（メタデータ） (2021-08-19T17:59:28Z)
• Employing an Adjusted Stability Measure for Multi-Criteria Model Fitting on Data Sets with Similar Features [0.1127980896956825]
  提案手法は,2つの確立したアプローチと比較して,同じあるいはより良い予測性能が得られることを示す。 このアプローチでは、関係のない機能や冗長な機能を避けながら、関連する機能を選択することに成功しています。 多くの類似した特徴を持つデータセットの場合、特徴選択安定性は調整された安定性尺度で評価されなければならない。
  論文  参考訳（メタデータ） (2021-06-15T12:48:07Z)

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。