SafeAdapt-Poker 提出对手行为漂移下的预算化自适应方法
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载问题设定与两个提问
论文关注的是对手历史在行为发生漂移后会误导决策的情形，并把预算化自适应写成双重反事实序贯控制问题，约束是只能使用每次决策之前可获得的信息。控制器在每一步提出两个不同的问题：一是若偏离冻结锚点，在匹配的合法后续下会引发多大的局部下行；二是若现在就用掉一部分剩余偏离预算，会损失多少未来的自适应价值。这两个问题分别对应方法中的两个模型，构成后续候选偏离取舍的基础。
风险与预算的建模方式
第一个问题由关于偏离强度的单调策略风险模型回答，即把偏离程度映射为策略风险。第二个问题由配对预算状态延续模型回答，该模型为当前消耗预算的行为定价，也就是估计继续保留预算所能带来的价值。控制器在保持支撑集的候选偏离之间做选择，依据是把即时自适应价值与上述两个量进行权衡。总偏离由路径累积 KL 账本约束，使其相对锚点不会无限扩大；同时在进入留出交互之前，先在一批完整的配对校准会话上筛选有限个冻结控制器。论文还给出有限候选扰动界，说明分配目标会随延续价值估计误差连续退化。
评测覆盖与关键数值
评测范围包括精确博弈中的利用与安全性、四种对手漂移、局部风险校准、延迟机会分配、机会价值直接估计、价值误差鲁棒性、因子机制归因、预算敏感性、abstract-HUNL 交叉对局，以及按玩家与时间留出的公开历史行为。在 exact Leduc 上，完整控制器取得 +0.0718 的匹配弱池收益，最差对手 delta 为 -0.0126；在相同会话预算下，延迟机会捕获率从短视分配的 0.6318 提升到 0.7841；abstract-HUNL 交叉对局达到 +42.7 mbb/hand。保留的公开历史筛选报告动作准确率 0.5820、对数损失 0.9277，作为对照的公开先验为 0.5039 与 0.9778。
为什么值得看
给出预算受限下应对对手策略漂移的可校准控制框架，并附多项博弈与公开历史行为评测数据。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。