arXiv 机器学习· Debamita Ghosh, George K. Atia, Yue Wang·· 2 天前AI 评分29
通用函数逼近下的交互式分布鲁棒多智能体学习
Interactive Distributionally Robust Multi-Agent Learning with General Function Approximation
AI 导读
针对一般和分布鲁棒马尔可夫博弈（DRMGs），研究者提出了支持通用函数逼近与 $\phi$-散度不确定性集的无模型在线学习框架 RoMEX-$\phi$。该框架融合基于均衡的探索与对偶拟合学习，引入鲁棒多智能体解耦系数（robust MADC）并证明了次线性鲁棒遗憾界。实验表明，RoMEX-$\phi$ 应对状态转移偏移更具韧性且性能媲美精确表格级鲁棒基线。
来源：arXiv 机器学习 · arxiv.org