論文の概要: Multiplicative Optimism for Constant Regret in Games
- arxiv url: http://arxiv.org/abs/2609.21976v1
- Date: Fri, 18 Sep 2026 16:38:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:17.186227
- Title: Multiplicative Optimism for Constant Regret in Games
- Title（参考訳）: ゲームにおける定数回帰に対する乗法的最適化
- Abstract要約: 乗法的最適回帰マッチング(英: multiplicatively Optimistic Regret Matching)は、有限一般ゲームにおける非結合学習規則である。
学習率の保護は、敵のユーティリティに直面して、$O(sqrtTlog d)$ regretを与える。
- 参考スコア（独自算出の注目度）: 29.477078788138154
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce Multiplicatively Optimistic Regret Matching (MORM), an uncoupled learning rule for finite general-sum games. Under simultaneous full-information self-play, every player achieves external regret $O(\sqrt n\log d)$ uniformly over all horizons, using only one-step optimism. The analysis combines a potential-based regret-matching argument with multiplicative stability and Hellinger control of strategy movement. A learning-rate safeguard additionally gives $O(\sqrt{T\log d})$ regret in the face of adversarial utilities.
- Abstract（参考訳）: 汎用ゲームにおける非結合学習ルールであるMultiplicatively Optimistic Regret Matching (MORM)を導入する。
同時にフル情報による自己プレーでは、全てのプレイヤーは1ステップの楽観主義を用いて全ての水平線上で外部の後悔$O(\sqrt n\log d)$を均一に達成する。
この分析は、潜在的に反抗する議論と乗法的安定性と戦略運動のヘルリンガー制御を組み合わせたものである。
さらに、学習率の保護は、敵のユーティリティに直面すると、$O(\sqrt{T\log d})の後悔を与える。
関連論文リスト
- Constant regret in general games via higher-order optimism [21.642749388029525]
任意の$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) - Adversarial Learning in Games with Bandit Feedback: Logarithmic Pure-Strategy Maximin Regret [64.73231630190121]
ゼロサムゲームを学ぶことは、ゲーム理論と機械学習の基本的な問題である。
ビジットフィードバックによるゼロサムゲームにおける対戦学習について検討し,最大戦略に対する障害を最小限に抑えることを目的とした。
我々は,Tsallis-INFアルゴリズムがゲーム依存パラメータ$c$で$O(c log T)$インスタンス依存後悔を実現することを示す。
論文 参考訳（メタデータ） (2026-02-06T03:26:01Z) - Optimism Without Regularization: Constant Regret in Zero-Sum Games [33.767080029410764]
同様の最適なレートが、正規化なしで達成可能であることを初めて示します。
我々は、オプティスティック・フィクティトゥス・プレイ(タイブレッシング・ルールを使用)が絶え間ない後悔しか得られない2つのストラテジー・ゲームについて証明する。
論文 参考訳（メタデータ） (2025-06-20T04:10:51Z) - Faster Rates for No-Regret Learning in General Games via Cautious Optimism [46.462843198107144]
我々は,マルチプレイヤーの汎用ゲームにおいて,O(n, d log T)$per-playerの後悔を実現する最初の未結合学習アルゴリズムを確立する。
この結果は,Log-Regularized Lifted Optimistic FTRLで達成可能な$O(n, d log T)$ regretと比較して,$d$への依存を指数関数的に改善する。
論文 参考訳（メタデータ） (2025-03-31T17:25:33Z) - Best of Both Worlds: Regret Minimization versus Minimax Play [57.68976579579758]
この結果から,悪用可能な相手からOmega(T)$を得ることができながら,少なくともO(1)$損失のリスクを保証できることが分かる。
論文 参考訳（メタデータ） (2025-02-17T11:04:01Z) - 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 in General Games [31.293412884145066]
マルチプレイヤー汎用ゲームにおいて,Optimistic Hedge が $rm poly(log T)$ regret を達成することを示す。
我々の境界の系は、最適化的ヘッジが一般ゲームにおいて$tildeOleft(frac 1Tright)$の速度で粗相関平衡に収束するということである。
論文 参考訳（メタデータ） (2021-08-16T06:53:02Z)
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。