「cs.GT」カテゴリーアーカイブ

On Separation Between Best-Iterate, Random-Iterate, and Last-Iterate Convergence of Learning in Games

投稿日: 2025年3月5日 作成者: jarxiv

要約 ゲームにおける学習ダイナミクスの非エルゴディック収束は、理論と実践の両方に … 続きを読む →

カテゴリー: cs.GT, cs.LG, math.OC | On Separation Between Best-Iterate, Random-Iterate, and Last-Iterate Convergence of Learning in Games はコメントを受け付けていません

Last-Iterate Convergence Properties of Regret-Matching Algorithms in Games

投稿日: 2025年3月5日 作成者: jarxiv

要約 後悔の$^+$（rm $^+$）に基づいて、2プレイヤーゼロサムゲームを解 … 続きを読む →

カテゴリー: cs.GT, cs.LG | Last-Iterate Convergence Properties of Regret-Matching Algorithms in Games はコメントを受け付けていません

Anytime-Constrained Equilibria in Polynomial Time

投稿日: 2025年3月5日 作成者: jarxiv

要約 いつでも制約をマルコフゲームの設定と、いつでも制約のある平衡（ACE）の対 … 続きを読む →

カテゴリー: cs.AI, cs.DS, cs.GT, cs.LG | Anytime-Constrained Equilibria in Polynomial Time はコメントを受け付けていません

Iterative Nash Policy Optimization: Aligning LLMs with General Preferences via No-Regret Learning

投稿日: 2025年3月4日 作成者: jarxiv

要約 人間のフィードバックによる強化学習（RLHF）は、大規模な言語モデル（LL … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.GT, cs.LG | Iterative Nash Policy Optimization: Aligning LLMs with General Preferences via No-Regret Learning はコメントを受け付けていません

Re-evaluating Open-ended Evaluation of Large Language Models

投稿日: 2025年2月28日 作成者: jarxiv

要約 評価は、伝統的に特定のスキルの候補者のランキングに焦点を当ててきました。 … 続きを読む →

カテゴリー: cs.CL, cs.GT, cs.LG, stat.ML | Re-evaluating Open-ended Evaluation of Large Language Models はコメントを受け付けていません

Mixing Any Cocktail with Limited Ingredients: On the Structure of Payoff Sets in Multi-Objective MDPs and its Impact on Randomised Strategies

投稿日: 2025年2月26日 作成者: jarxiv

要約 マルコフの決定プロセスにおける多次元ペイオフ関数を検討し、特定の予想ペイオ … 続きを読む →

カテゴリー: cs.AI, cs.FL, cs.GT, cs.LO, math.PR | Mixing Any Cocktail with Limited Ingredients: On the Structure of Payoff Sets in Multi-Objective MDPs and its Impact on Randomised Strategies はコメントを受け付けていません

Adversaries With Incentives: A Strategic Alternative to Adversarial Robustness

投稿日: 2025年2月25日 作成者: jarxiv

要約 敵対的な訓練は、 *敵対者 *を防御することを目的としています。その唯一の … 続きを読む →

カテゴリー: cs.GT, cs.LG | Adversaries With Incentives: A Strategic Alternative to Adversarial Robustness はコメントを受け付けていません

An Adversarial Analysis of Thompson Sampling for Full-information Online Learning: from Finite to Infinite Action Spaces

投稿日: 2025年2月24日 作成者: jarxiv

要約 専門家の空間ではなく、敵の将来の行動の空間で学習者の事前が定義されている場 … 続きを読む →

カテゴリー: cs.GT, cs.LG, math.ST, stat.ML, stat.TH | An Adversarial Analysis of Thompson Sampling for Full-information Online Learning: from Finite to Infinite Action Spaces はコメントを受け付けていません

An Adversarial Analysis of Thompson Sampling for Full-information Online Learning: from Finite to Infinite Action Spaces

投稿日: 2025年2月21日 作成者: jarxiv

要約 専門家の空間ではなく、敵の将来の行動の空間で学習者の事前が定義されている場 … 続きを読む →

カテゴリー: cs.GT, cs.LG, math.ST, stat.ML, stat.TH | An Adversarial Analysis of Thompson Sampling for Full-information Online Learning: from Finite to Infinite Action Spaces はコメントを受け付けていません

Human Misperception of Generative-AI Alignment: A Laboratory Experiment

投稿日: 2025年2月21日 作成者: jarxiv

要約 私たちは、経済的意思決定の文脈において、生成的人工知能（GENAI）のアラ … 続きを読む →

カテゴリー: cs.AI, cs.GT, econ.TH | Human Misperception of Generative-AI Alignment: A Laboratory Experiment はコメントを受け付けていません