arXiv · cs.AI· Antoine Bergerault, Cyrille Kone, Giorgia Ramponi·· 7 小时前
战略博弈中的奖励学习
Learning Rewards in Strategic Games
arXiv:2610.21912v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Antoine Bergerault, Cyrille Kone, Giorgia Ramponi
研究任务与主要进展
该论文研究了战略多智能体环境中的奖励学习，指出仅依据固定策略对的行为可能无法战略性地辨识奖励，且增加专家样本数也不能消除这一问题。作者提出面向两类重复Stackelberg博弈的主动逆强化学习算法，通过领导者自适应选择策略诱导更有信息量的响应，并结合最大似然估计与实验设计给出有限样本保证。基于论文摘要，算法在现实反偷猎场景中评估了主动探索对奖励恢复和后续战略性能的作用。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org