热点事件持续更新
学者提出一般和博弈中Optimistic Hedge遗憾界理论极限
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年11月6日，一项发表于arXiv的机器学习理论研究揭示了Optimistic Hedge算法在一般和博弈中的基本理论极限。研究证明，该算法能否取得与时间跨度无关的多项式常数遗憾，主要取决于参与博弈的玩家数量。具体来看，在双人博弈场景下，该算法在采用合适学习率时，能够保证与时间跨度T无关的O(n log n)遗憾界；但当博弈玩家数量达到3人及以上（m ≥ 3）时，则存在玩家遗憾达到2^{Ω(mn)}，甚至随时间跨度T呈线性增长的情况。
AI 根据报道生成 · 4 小时前更新
最新进展11月6日 13:00
研究表明Optimistic Hedge在双人博弈中遗憾与时间无关，在三人及以上博弈中可能随时间线性增长。报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv 机器学习一般和博弈中的 Optimistic Hedge：基于时间逼近的理论极限与遗憾界
一项理论研究揭示了 Optimistic Hedge 算法在一般和博弈中的基本极限，证明其能否取得与时间跨度无关的多项式常数遗憾取决于玩家数量。在双人博弈中，该算法在合适学习率下可保证与时间跨度 $T$ 无关的 $O(n\log n)$ 遗憾界。但在玩家数 $m \ge 3$ 的博弈中，存在玩家遗憾达到 $2^{\Omega(mn)}$ 甚至随 $T$ 线性增长的情况。
本事件热度走势
当前热度 9·可比范围峰值 10（11月6日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。