論文の概要: Constant Individual Regret in General Games

• arxiv url: http://arxiv.org/abs/2608.31166v1
• Date: Mon, 31 Aug 2026 17:59:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.554666
• Title: Constant Individual Regret in General Games
• Title（参考訳）: 一般競技における定位個人レグレット
• Abstract要約: EmphECHO-OFTRL:高次楽観主義(ECHO)のためのEMAカスケードを備えた楽観的追従型リーダーについて紹介する。 もし$m_max$が最大のアクションセットサイズであるなら、すべての水平線に対して$Tgeq1$を同時にすると、ゲーム内の$N$のプレイヤーは、$O(textrmpoly(N, log m_max))$で囲まれた上界を後悔する。 我々のアルゴリズムは、現代のフィルタ設計にインスパイアされた新しい楽観主義の形式を利用する。
• 参考スコア（独自算出の注目度）: 27.786964046329455
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Uncoupled no-regret dynamics provide a decentralized route to equilibrium, but prior guarantees for individual regret retain a polylogarithmic dependence on the horizon. We remove this dependence for every finite $N$-player normal-form game under full-information feedback. We introduce \emph{ECHO-OFTRL}: optimistic follow-the-regularized-leader (OFTRL) equipped with an EMA cascade for high-order optimism (ECHO), where EMA denotes exponential moving average. The algorithm is deterministic and fully uncoupled. If $m_{\max}$ denotes the largest action-set size, then, simultaneously for every horizon $T\geq1$, it guarantees that each of the $N$ players in the game incurs regret upper bounded by $O(\textrm{poly}(N, \log m_{\max}))$. Our algorithm leverages a new form of optimism inspired by modern filter design.
• Abstract（参考訳）: 未結合な非相対力学は平衡への分散経路を提供するが、個々の後悔に対する以前の保証は地平線への多対数依存を保っている。 有限$N$-player正規形式ゲームに対して、全情報フィードバックの下でこの依存を除去する。 我々は,高次楽観主義 (ECHO) のためのEMAカスケードを備えた楽観的追従正規化リーダ (OFTRL) である \emph{ECHO-OFTRL} を紹介した。 アルゴリズムは決定論的であり、完全に非結合である。 m_{\max}$ が最大のアクションセットのサイズを表すなら、すべての水平線に対して$T\geq1$ を同時にすると、ゲーム内の$N$プレーヤーのそれぞれが $O(\textrm{poly}(N, \log m_{\max})$ で満たされた後悔の上界を生じることが保証される。 我々のアルゴリズムは、現代のフィルタ設計にインスパイアされた新しい楽観主義の形式を利用する。

関連論文リスト

• Constant regret in general games via higher-order optimism [21.642749388029525]
  任意の$N$-playerの正規フォームゲームのすべてのプレイヤーが採用するアンカップリング学習アルゴリズムを導入し、このアルゴリズムは個々の後悔に対して$O(N3log2 K)を保証します。 提案アルゴリズムは、割引された$(N+1)$-th次予測器とエントロピー正規化を組み合わせた楽観的追従正規化リーダ(FTRL)の変種である。
  論文  参考訳（メタデータ） (2026-09-03T17:16:13Z)
• Sublogarithmic Swap Regret in Multiplayer General-Sum Games via Hybrid Regularization [12.597979977402543]
  スワップ後悔は、非結合学習力学がマルチプレイヤー一般サムゲームにおける平衡に収束する速度を支配している。 我々は、すべてのプレイヤーが$O(nm2sqrtlog mlog T/T)$スワップ後悔を発生させるアンカップリング力学を構築する。
  論文  参考訳（メタデータ） (2026-08-04T18:58:51Z)
• Near-optimal Regret Using Policy Optimization in Online MDPs with Aggregate Bandit Feedback [49.84060509296641]
  オンライン有限水平マルコフ決定過程を逆向きに変化した損失と総括的帯域幅フィードバック(フルバンド幅)を用いて研究する。 この種のフィードバックの下では、エージェントは、軌跡内の各中間段階における個々の損失よりも、軌跡全体に生じる総損失のみを観察する。 この設定のための最初のポリシー最適化アルゴリズムを紹介します。
  論文  参考訳（メタデータ） (2025-02-06T12:03:24Z)
• Corrupted Learning Dynamics in Games [62.73758165845971]
  すべてのプレイヤーが楽観的な追従型リーダー(OFTRL)に従うと、平衡は$O(log T)$の速さで計算できる。 本稿では,各プレイヤーが所定のアルゴリズムによって提案される戦略から逸脱する程度に依存する速度で,適応的に平衡を求める学習ダイナミクスを提案する。
  論文  参考訳（メタデータ） (2024-12-10T02:23:44Z)
• Minimax-Optimal Multi-Agent RL in Zero-Sum Markov Games With a Generative Model [50.38446482252857]
  2人プレイのゼロサムマルコフゲームは多エージェント強化学習においておそらく最も基本的な設定である。 我々は,$$ widetildeObiggを用いて,$varepsilon$-approximate Markov NEポリシーを学習する学習アルゴリズムを開発した。 我々は、分散型量の役割を明確にするFTRLに対する洗練された後悔境界を導出する。
  論文  参考訳（メタデータ） (2022-08-22T17:24:55Z)
• Near-Optimal No-Regret Learning for General Convex Games [121.50979258049135]
  一般凸およびコンパクト戦略集合に対して後悔が得られることを示す。 我々の力学は、適度にエンハンリフトされた空間上の楽観的な従順化バウンドのインスタンス化にある。 先行結果が適用される特殊な場合であっても、我々のアルゴリズムは最先端の後悔よりも改善される。
  論文  参考訳（メタデータ） (2022-06-17T12:58:58Z)
• Uncoupled Learning Dynamics with $O(\log T)$ Swap Regret in Multiplayer Games [121.50979258049135]
  我々は、すべてのプレイヤーが、時空不変の学習速度で我々のダイナミクスに従うとき、時間$T$までの時空二階パス長は、$O(log T)$で有界であることを示す。 提案する学習力学は, 直観的正規化学習と, 自己一致障壁を併用した新しい学習手法である。
  論文  参考訳（メタデータ） (2022-04-25T03:20:16Z)
• Near-Optimal No-Regret Learning for Correlated Equilibria in Multi-Player General-Sum Games [104.74734408204749]
  マルチプレイヤーの汎用正規形式ゲームにおいて,OMWU(Optimistic Multiplicative Weights Update)を用いているエージェントが全員,O(textrmpolylog(T))$(T$)$(T$)$(OMWU)$(OMWU)$(OMWU)$(OMWU)$(OMWU)$)であることを示す。 外部の後悔から内部の後悔へと結果を拡張し、後悔を交換することで、近似した平衡に収束する非結合学習ダイナミクスを確立する。
  論文  参考訳（メタデータ） (2021-11-11T01:19:53Z)

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。