学习何时接受建议：实现相关均衡的统计检验
Learning When to Take Advice: A Statistical Test for Achieving A Correlated Equilibrium
摘要：
我们研究了一个多智能体学习问题，在这个问题中，智能体可以通过重复的交互来学习，也可以遵循一个建议可能采取行动的调解人的建议。我们提出了一个算法，每个代理可以使用，这样，以高概率，他们可以验证是否调解人的意见是有用的。特别是，如果调解人的建议是有用的，那么代理将达到相关的均衡，但如果调解人的建议是没有用的，那么代理不会受到伤害，通过使用我们的测试，并可以回落到原来的学习算法。然后，我们推广我们的算法，并表明，在限制它总是正确地验证调解人的意见。
英文摘要：
We study a multiagent learning problem where agents can either learn via repeated interactions, or can follow the advice of a mediator who suggests possible actions to take. We present an algorithmthat each agent can use so that, with high probability, they can verify whether or not the mediator's advice is useful. In particular, if the mediator's advice is useful then agents will reach a correlated equilibrium, but if the mediator's advice is not useful, then agents are not harmed by using our test, and can fall back to their original learning algorithm. We then generalize our algorithm and show that in the limit it always correctly verifies the mediator's advice.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
