Are Equivariant Equilibrium Approximators Beneficial?

要約

タイトル：同変平衡近似器は有益か？
要約：最近、ニューラルネットワークによるゲーム表現からの均衡予測によるナッシュ均衡（NE）、相関均衡（CE）および粗い相関均衡（CCE）の近似によって、非常に目覚ましい進歩が達成されました。さらに、同変アーキテクチャは、正規形ゲームにおける均衡近似器の設計に広く採用されています。この論文では、同変平衡近似器の利点と限界を理論的に特徴付けています。利点については、一般的なものよりも汎用性が高く、ペイオフ分布が置換不変である場合には、より良い近似が実現できることを示しています。限界については、均衡選択と社会的福利に関してその欠点について議論します。これらの結果は、同変性が均衡近似器における役割を理解するために役立つでしょう。

要点：
– ニューラルネットワークによるゲーム表現からの均衡予測によって、NE、CE、CCEを近似することで、目覚ましい進歩が達成された。
– 正規形ゲームにおける均衡近似器の設計には、同変アーキテクチャが広く採用されている。
– 同変平衡近似器は、一般的なものよりも汎用性が高く、ペイオフ分布が置換不変である場合には、より良い近似が実現できる。
– 同変平衡近似器は、均衡選択や社会的福利に関して、その欠点がある。
– 結果は、同変性が均衡近似器における役割を理解するために役立つ。

要約(オリジナル)

Recently, remarkable progress has been made by approximating Nash equilibrium (NE), correlated equilibrium (CE), and coarse correlated equilibrium (CCE) through function approximation that trains a neural network to predict equilibria from game representations. Furthermore, equivariant architectures are widely adopted in designing such equilibrium approximators in normal-form games. In this paper, we theoretically characterize benefits and limitations of equivariant equilibrium approximators. For the benefits, we show that they enjoy better generalizability than general ones and can achieve better approximations when the payoff distribution is permutation-invariant. For the limitations, we discuss their drawbacks in terms of equilibrium selection and social welfare. Together, our results help to understand the role of equivariance in equilibrium approximators.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI