論文の概要: Learning and Steering in Incomplete-Information Games

• arxiv url: http://arxiv.org/abs/2611.07589v1
• Date: Thu, 05 Nov 2026 07:40:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.585463
• Title: Learning and Steering in Incomplete-Information Games
• Title（参考訳）: 不完全情報ゲームにおける学習とステアリング
• Abstract要約: 多くのマルチエージェントシステムにおいて、仲介者は、結果レベルのフィードバックのみを使用して、エージェントのユーティリティを知らずに、戦略的決定力学に影響を及ぼそうとしている。 本研究では, 媒介者が未知のゲームやステアエージェントを学習し, 軌道フィードバックのみを用いて有効性を最大化する方法について検討する。
• 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: In many modern multi-agent systems, a mediator seeks to influence strategic decision dynamics using only outcome-level feedback and without knowing agents' utilities. In this work, we study how a mediator can learn an unknown game and steer adaptive agents toward outcomes that maximize her utility using only trajectory feedback. The mediator knows the game form and her own objective, but not the agents' utilities. Moreover, she commits to nonnegative payments and provides recommendations and contexts, but receives only a single realized terminal outcome rather than full-information feedback. We develop halving-type algorithms that learn utility differences in normal-form games and conditional continuation-value differences in extensive-form games, achieving a sample complexity of $\widetilde O(\varepsilon^{-2})$ that matches worst-case lower bounds up to logarithmic factors. We then combine these learning procedures with a Lagrangian formulation in an online Learn-Compute-Steer algorithm that interleaves learning, equilibrium computation, and steering toward mediator-optimal extensive-form correlated equilibria (EFCE). With high probability, the Learn-Compute-Steer algorithm achieves a directness gap and an optimality gap of $\widetilde O(T^{-1/4})$, while time-average payments are of $\widetilde O(T^{-1/8})$.
• Abstract（参考訳）: 多くの現代のマルチエージェントシステムにおいて、仲介者は、結果レベルのフィードバックのみを使用して、エージェントのユーティリティを知らずに、戦略的決定力学に影響を及ぼそうとしている。 本研究では,メディアエータが未知のゲームを学習し,軌道フィードバックのみを用いて有効性を最大化する結果に対して適応エージェントを操る方法について検討する。 仲介者はゲームの形式と目的を知っているが、エージェントのユーティリティは知らない。 さらに、非負の支払いにコミットし、レコメンデーションとコンテキストを提供するが、完全な情報フィードバックではなく、単一の実現された端末結果のみを受け取る。 我々は,正規形式ゲームにおける効用差と条件付き継続値差を学習し,対数因子まで最悪の下界に一致する$\widetilde O(\varepsilon^{-2})$のサンプル複雑性を実現するハーヴィング型アルゴリズムを開発した。 次に、これらの学習手順を学習、平衡計算、ステアリングを仲介者-最適大域的相関平衡(EFCE)に向けてインターリーブするオンラインLearning-Compute-Steerアルゴリズムのラグランジアン定式化と組み合わせる。 高確率で、Learning-Compute-Steerアルゴリズムは直接性ギャップと最適性ギャップを$\widetilde O(T^{-1/4})$で達成し、平均時間支払いは$\widetilde O(T^{-1/8})$である。

関連論文リスト

• Provably Optimal Learning Algorithms for Assistance Games [60.843021846414956]
  我々は、繰り返しアシストゲームのための最初の証明可能な効率的な学習アルゴリズムを提供する。 情報化人間とアシスタントの両方に分散化アルゴリズムを提案する。 後悔の近似係数が1-1/eより良いことを証明した。
  論文  参考訳（メタデータ） (2026-07-09T00:38:42Z)
• Impact of Decentralized Learning on Player Utilities in Stackelberg Games [57.08270857260131]
  多くの2エージェントシステムでは、各エージェントは別々に学習し、2つのエージェントの報酬は完全に一致しない。 分散学習を用いたStackelbergゲームとしてこれらのシステムをモデル化し、標準後悔ベンチマークが少なくとも1人のプレイヤーにとって最悪の線形後悔をもたらすことを示す。 我々は,これらのベンチマークに関して,両プレイヤーにとってほぼ最適な$O(T2/3)を後悔するアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-02-29T23:38:28Z)
• $\widetilde{O}(T^{-1})$ Convergence to (Coarse) Correlated Equilibria in Full-Information General-Sum Markov Games [8.215874655947335]
  楽観的フォロー・ザ・レギュラライズド・リーダー・アルゴリズムは,フル情報汎用マルコフゲームにおいて,$widetildeO(T-1)$-approximate iterationsを$T$内で見つけることができることを示す。
  論文  参考訳（メタデータ） (2024-02-02T20:40:27Z)
• A Black-box Approach for Non-stationary Multi-agent Reinforcement Learning [53.83345471268163]
  非定常マルチエージェントシステムにおける平衡の学習について検討する。 単エージェント学習へのブラックボックス還元による様々な平衡の検証方法を示す。
  論文  参考訳（メタデータ） (2023-06-12T23:48:24Z)
• Decentralized model-free reinforcement learning in stochastic games with average-reward objective [1.9852463786440127]
  本アルゴリズムは,次数$T3/4$のサブ線形高確率後悔と次数$T2/3$のサブ線形高確率後悔を実現する。 本アルゴリズムは,従来の手法に比べて計算量が少なく,メモリスペースも少ない。
  論文  参考訳（メタデータ） (2023-01-13T15:59:53Z)
• Representation Learning for General-sum Low-rank Markov Games [63.119870889883224]
  非線形関数近似を用いたマルチエージェント汎用マルコフゲームについて検討する。 遷移行列が未知の非線形表現の上に隠れた低ランク構造を持つ低ランクマルコフゲームに焦点を当てる。
  論文  参考訳（メタデータ） (2022-10-30T22:58:22Z)
• Near-Optimal Learning of Extensive-Form Games with Imperfect Information [54.55092907312749]
  本稿では,2プレイヤーゼロサムゲームにおいて,$widetildemathcalO((XA+YB)/varepsilon2)$プレイのエピソードのみを必要とするアルゴリズムの最初の行を,$varepsilon$-approximate Nash平衡を求める。 これにより$widetildemathcalO((X2A+Y2B)/varepsilon2)$が$widetildemathcalO(maxX,
  論文  参考訳（メタデータ） (2022-02-03T18:18:28Z)
• Provably Efficient Reinforcement Learning in Decentralized General-Sum Markov Games [5.205867750232226]
  本稿では,一般のマルコフゲームにおいて平衡を効率的に学習する問題に対処する。 本稿では,各エージェントが独立して楽観的なV-ラーニングを実行し,未知の環境を効率的に探索するアルゴリズムを提案する。 エージェントは少なくとも$widetildeO(H6S A /epsilon2)$ episodesで$epsilon$-approximate CCEを見つけることができる。
  論文  参考訳（メタデータ） (2021-10-12T02:01:22Z)

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。