Pruning as a Cooperative Game: Surrogate-Assisted Layer Contribution Estimation for Large Language Models
Shenzhen Future Network of Intelligence Institute(深圳未来网络智能研究院);Guangdong Provincial Key Laboratory of Future Networks of Intelligence(广东省未来网络智能重点实验室);The Chinese University of Hong Kong (Shenzhen)(香港中文大学(深圳));Beijing Normal University(北京师范大学);Alibaba Group(阿里巴巴集团);University of Chinese Academy of Sciences(中国科学院大学);Zhejiang University(浙江大学)
本文提出基于博弈论的层剪枝方法,利用代理网络估计层贡献,实现高效且有效的大型语言模型剪枝。
2026-02-08 cs.AI cs.CL
Lyapunov Stability-Aware Stackelberg Game for Low-Altitude Economy: A Control-Oriented Pruning-Based DRL Approach
School of Automation, Guangdong University of Technology(广东工业大学自动化学院);Department of Computer Science, Hong Kong Baptist University(香港 Baptist 大学计算机科学系);Department of Electrical and Computer Engineering, Sungkyunkwan University(Sungkyunkwan 大学电子与计算机工程系);School of Electrical and Computer Engineering, University of Sydney(悉尼大学电气与计算机工程学院);Graduate School of Information Sciences, Tohoku University(东北大学信息科学研究生院)
本文提出一种基于剪枝的DRL方法,通过Lyapunov稳定性理论和Stackelberg博弈模型,解决低空经济中资源分配与稳定性之间的冲突,实现动态环境下的控制稳定性与系统效用最大化。
2026-07-21 cs.AI
Dynamic Move Chains -- a Forward Pruning Approach to Tree Search in Computer Chess
Distributed Computing Systems(分布式计算系统公司)
本文提出了一种新的计算机象棋搜索博弈树剪枝机制。该算法存储并重用从以前的搜索中建立的移动链或序列。这些移动序列有一个内置的前向修剪机制,可以从根本上减少搜索空间。一个典型的搜索过程可能会从换位表中检索一个移动,其中检索什么移动的决定将基于位置本身。此算法存储移动序列的基础上,以前的序列是更好的,或造成的截止。因此,这是位置无关的,因此它也可以在不完全信息或不确定性的博弈中使用,其中整个情况在任何时候都不知道。在一小组测试中,该算法在搜索减少和游戏结果方面都明显优于换位表。
2014-03-04 cs.AI cs.NE
Branch-and-Prune Search Strategies for Numerical Constraint Solving
当求解非线性方程和不等式等数值约束时,求解器通常采用修剪技术,该技术在修剪步骤中从变量域中移除冗余值组合。为了找到完整的解集,大多数求解器交替使用修剪步骤和分支步骤,将每个问题分成子问题。这就形成了所谓的分支和修剪框架,众所周知的解决数值约束的方法。基本的分支和修剪搜索策略使用域二分代替分支步骤,称为二分搜索。一般来说,二分搜索在(i)解是孤立的情况下工作得很好,但在(ii)存在连续解的情况下(这通常发生在涉及不等式时),它可以进一步改进。在本文中,我们提出了一个新的分支和修剪搜索策略以及几个变种,它不仅允许产生更好的分支决策在后一种情况下,但也工作以及二分法搜索在前一种情况下。这些新的搜索算法使我们能够采用各种修剪技术的解决方案集的内部和外部近似的建设。我们的实验表明,这些算法加快求解过程往往由一个数量级或更多的解决方案的连续性问题时,同时保持相同的性能时,解决方案是孤立的二分法搜索。
2007-05-08 cs.AI
Solving a Mathematical Problem in Square War: a Go-like Board Game
University of Oulu(奥卢大学)
在本文中,我们提出了一个棋盘游戏:广场战争。《广场战争》的游戏定义类似于经典的中国棋盘游戏围棋。然后,我们提出了一个数学问题的游戏广场战争。最后,我们表明,该问题可以解决的混合数学和计算机科学的方法。
2015-11-29 cs.AI
Solving N-Queen Problem using Las Vegas Algorithm with State Pruning
Department of Mathematics, Department of Computer Science and Engineering, Kathmandu University(数学系、计算机科学与工程系、加德满都大学)
本研究提出一种结合拉斯维加斯算法与状态剪枝的混合方法,有效解决N皇后问题,提高求解效率并减少计算资源消耗。
2025-12-03 cs.AI
Towards solving the 7-in-a-row game
Alfréd Rényi Institute of Mathematics(阿尔弗雷德·雷尼数学研究所);Eötvös Loránd University(厄特沃什·罗兰大学);University of Szeged(塞格德大学)
我们的论文探讨了7连牌博弈的博弈论价值。我们减少了问题,以解决有限的棋盘游戏,我们的目标使用证明数搜索。我们提出了一些启发式的改进证明数搜索,并在这个特定的游戏中检查其效果。虽然我们的论文没有解决7连牌游戏,但我们的实验表明,我们已经取得了重大进展。
2021-07-05 cs.AI
The Label Imitation Game: Turing Test Network for Zero-Shot Pseudo-Label Pruning
提出图灵测试网络(TTN)作为任务无关的“裁判”,通过对抗性交互在数据集上下文中评估伪标签,无需监督或重训练即可提升标签准确性,并实现零样本任务迁移。
2026-07-01 cs.AI cs.CV cs.LG
How to correctly prune tropical trees
Université Paris 13(巴黎第十三大学);CNRS(法国国家科学研究中心)
我们提出了热带游戏,推广的组合最小最大游戏的基础上热带代数。我们的模型打破了理性零和游戏的传统对称性,其中玩家有完全相反的目标(最小与最大),比最小最大更广泛适用,也支持一种形式的修剪,尽管它不如α-β有效。实际上,最小-最大博弈可以被看作是博弈和它的对偶都是热带的特殊情况:当热带博弈的对偶也是热带的时候,α-β的力量就完全恢复了。我们正式开发的模型,并证明热带修剪策略是正确的,然后得出结论,显示如何近似解析的问题可以建模为一个热带游戏,从修剪中获利。
2010-05-11 cs.AI cs.DM cs.GT
Solving Atari Games Using Fractals And Entropy
HCSoft Programación, S.L.(HCSoft编程有限公司)
在本文中,我们介绍了一种新的MCTS为基础的方法,是来自热力学定律。该算法被称为分形蒙特卡罗(FMC),它允许我们创建一个在连续和离散环境中采取智能行动的代理,同时提供对代理行为各个方面的控制。结果表明,FMC是几个数量级的效率比类似的技术,如MCTS,在雅达利游戏测试。
2018-07-03 cs.AI
UCT-ADP Progressive Bias Algorithm for Solving Gomoku
Fudan University(复旦大学)
我们结合自适应动态规划(ADP),一个强化学习方法和UCB应用到树(UCT)算法与一个更强大的启发式功能的基础上渐进偏差方法和两个修剪策略的传统棋盘游戏五子棋。对于自适应动态规划部分,我们训练了一个浅层前向神经网络,以快速评估五子棋局的情况。UCT是MCTS中作为树策略的通用方法。我们的框架使用UCT来平衡五子棋游戏树的探索和利用,同时我们还应用强大的修剪策略和启发式函数来重新选择状态的可用2-相邻网格,并使用ADP代替模拟来给出扩展节点的估计值。实验结果表明,该方法可以消除模拟过程中搜索深度的缺陷,比单一的UCT更快地收敛到正确值。该方法可以应用于设计新的五子棋AI和解决其他五子棋类棋盘游戏。
2019-12-11 cs.AI
Do Vision-Language-Models show human-like logical problem-solving capability in point and click puzzle games?
Institute of Artificial Intelligence, University of Stuttgart, Stuttgart, Germany(斯图加特大学人工智能研究所)
本文提出VLATIM基准测试,用于评估在经典物理谜题游戏The Incredible Machine 2中人类般的逻辑问题解决能力,发现尽管大模型在规划方面表现优异,但精确的视觉定位仍存在问题,尚未达到人类水平。
2026-05-17 cs.AI
AlphaBeta is not as good as you think: a simple class of synthetic games for a better analysis of deterministic game-solving algorithms
Université de Lorraine(洛林大学);CNRS(法国国家科学研究中心);Inria(法国国家信息与自动化研究所);LORIA(洛林计算机及其应用实验室)
本文提出了一种合成游戏模型,用于更深入分析确定性游戏求解算法,揭示AlphaBeta在深树中的性能劣势。
2026-02-05 cs.AI
No-Regret Strategy Solving in Imperfect-Information Games via Pre-Trained Embedding
本文提出Embedding CFR算法,通过预训练嵌入空间解决不完全信息游戏的策略问题,提升求解效率和准确性。
2025-12-09 cs.AI
DecisionHoldem: Safe Depth-Limited Solving With Diverse Opponents for Imperfect-Information Games
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);Beijing Normal University(北京师范大学)
本文提出DecisionHoldem,一种通过考虑对手手牌范围进行安全深度受限求解的德州扑克AI,击败了Slumbot和Openstack,并开源以促进不完全信息游戏AI发展。
2024-05-28 cs.AI
Keke AI Competition: Solving puzzle levels in a dynamically changing mechanic space
New York University(纽约大学)
Keke AI竞赛为游戏Baba is You引入了人工智能竞赛-这是一款类似推箱子的益智游戏,玩家可以创建影响游戏机制的规则。更改规则可能会对可能是解决方案空间一部分的级别的其余部分产生临时或永久影响。这些动态规则的性质和游戏的确定性方面为AI创造了一个挑战,即适应各种机械组合以解决一个关卡。本文介绍了框架和评估指标,用于排名提交的代理和基线结果样本树搜索代理。
2022-09-11 cs.AI
Safe and Nested Subgame Solving for Imperfect-Information Games
Carnegie Mellon University(卡内基梅隆大学)
在无信息博弈中,一个子博弈中的最优策略可能依赖于其他未到达子博弈中的策略。因此,子博弈不能孤立地求解,而必须将整个博弈的策略作为一个整体来考虑,这与完全信息博弈不同。然而,可以先近似整个博弈的解,然后通过求解单个子博弈来改进它。这被称为子博弈求解。我们引入子博弈解决技术,在理论和实践中优于以前的方法。我们还展示了如何调整它们,以及过去的子博弈求解技术,以响应原始动作抽象之外的对手动作;这显着优于现有的最先进的方法,动作翻译。最后,我们表明,子博弈求解可以重复的游戏进展下来的游戏树,导致低得多的可利用性。这些技术是Libratus的关键组成部分,Libratus是第一个在单挑无限制德州扑克中击败顶级人类的AI。
2017-11-16 cs.AI cs.GT
Resource-Constrained Affect Modelling via Variance Regularisation Pruning
Mediterranean College, Athens, Greece(地中海学院,希腊雅典);University of Derby, Derby, UK(德比大学,英国德比)
提出方差正则化剪枝(VR)框架,通过考虑跨参与者稳定性来剪枝,在80%稀疏度下仍保持竞争性CCC性能,适用于资源受限的情感感知系统。
2026-05-26 cs.AI cs.LG
Strategy Synthesis for General Deductive Games Based on SAT Solving
Masaryk University(马萨里克大学)
我们提出了一个通用的框架,用于建模和求解演绎游戏,其中一个玩家选择一个秘密代码和其他玩家努力发现这个代码使用最少数量的允许的实验,揭示了一些部分信息的代码。该框架是实现在一个软件工具眼镜蛇,其功能是通过产生新的结果,现有的演绎游戏证明。
2015-06-19 cs.AI cs.GT
A Compositional Framework for On-the-Fly LTLf Synthesis
East China Normal University(华东师范大学);University of Liverpool(利物浦大学)
本文提出一种组合式在线LTLf合成框架,在博弈求解过程中组合并剪枝中间结果,融合组合构造与增量构建的优势,能解决大量现有求解器无法处理的实例。
2025-08-22 cs.AI cs.LO
Solving Cooperative Reliability Games
Microsoft Research(微软研究院);Hebrew University(希伯来大学)
合作博弈模型的利润分配从联合行动,以下考虑,如稳定性和公平性。我们提出了这种游戏的可靠性扩展,代理可能无法参与游戏。在可靠性扩展中,每个代理只有一定的概率“生存”,联盟的价值是其幸存成员在基础游戏中获胜的概率。我们研究突出的解决方案的概念,在这样的游戏,展示了如何近似的Shapley值,以及如何计算的核心,在游戏中的代理类型很少。我们还表明,应用可靠性扩展可能会稳定的游戏,使核心非空,即使当基础游戏有一个空的核心。
2012-02-14 cs.AI cs.GT
Solving Large Extensive-Form Games with Strategy Constraints
University of Alberta(阿尔伯塔大学);DeepMind(深度思维公司(DeepMind)(注:DeepMind通常指Google旗下的DeepMind Technologies Limited,作为独立研究机构,此处按常见译法保留))
可拓形式博弈是不完全信息下多主体交互的一种常见模型。在两人零和博弈中,典型的解概念是每个参与者在无约束策略集上的纳什均衡。然而,在许多情况下,我们希望限制这套可能的战略。例如,约束是对有限资源、风险缓解、安全性、与过去行为观察的一致性或代理的其他次要目标进行建模的自然方式。在小型博弈中,线性约束下的最优策略可以通过求解线性规划来找到;然而,用于求解大型博弈的最先进算法无法处理一般约束。在这项工作中,我们介绍了一种广义形式的反事实遗憾最小化,可证明发现任何可行的凸约束下的最佳策略。我们证明了我们的算法的有效性,找到战略,减轻风险的安全游戏,并在扑克游戏中的对手建模时,只有部分私人信息的观察。
2019-02-05 cs.AI cs.GT
Matrix Games, Linear Programming, and Linear Approximation
以下四类计算问题是等价的:解矩阵对策、解线性规划、最佳$l^{\infty}$线性逼近、最佳$l^1$线性逼近。
2006-09-12 cs.AI cs.GT
Solving Marginal MAP Exactly by Probabilistic Circuit Transformations
UCLA(加州大学洛杉矶分校)
概率回路(Probabilistic Circuit,PC)是一类易于处理的概率模型,它允许对诸如边缘和最可能解释(Most Probable Explanation,MPE)之类的查询进行高效的、通常是线性时间的推理。然而,边际地图,这是许多决策问题的核心,仍然是一个很难查询的PC,除非他们满足高度限制性的结构约束。在本文中,我们开发了一个修剪算法,删除部分PC无关的边际MAP查询,缩小PC,同时保持正确的解决方案。这种修剪技术是如此有效,我们能够建立一个边缘MAP求解器的基础上,完全迭代变换电路-没有搜索是必需的。我们实证证明了我们的方法在现实世界的数据集上的有效性。
2022-03-04 cs.AI cs.LG
Using Cooperative Game Theory to Prune Neural Networks
Dodners Institute(多德纳斯研究所);Radboud University(拉德堡德大学);New York University(纽约大学);Google DeepMind(谷歌DeepMind)
本文提出基于合作博弈论解概念的GTAP方法,通过估计神经元联合影响进行剪枝,在保持准确性的同时减小网络规模,并在前馈和卷积网络上优于现有方法。
2023-11-17 cs.AI cs.CE cs.GT
Value Functions for Depth-Limited Solving in Zero-Sum Imperfect-Information Games
Czech Technical University in Prague(布拉格捷克理工大学)
我们提供了一个正式的定义,深度有限的游戏,以及一个访问和严格的解释的基本概念,这两个都是以前缺少的信息游戏。该定义适用于任意的扩展形式博弈,并且不依赖于任何特定的博弈求解算法。此外,这个框架统一并显着扩展了三种方法,以深度有限的解决方案,以前存在于广泛的形式游戏和多智能体强化学习,但不知道是兼容的。这些深度有限游戏的一个关键要素是价值函数。专注于两个球员零和信息博弈,我们展示了如何获得最佳的价值函数,并证明了公共信息提供了必要和充分的上下文计算。我们提供了一个域独立的编码域,允许近似价值函数,甚至通过简单的前馈神经网络,然后能够概括到看不见的游戏部分。我们使用由此产生的价值网络来实现反事实遗憾最小化的深度有限版本。在三个不同的域中,我们表明,该算法的可利用性大致线性依赖于价值网络的质量,并不难训练一个价值网络的深度有限CFR的性能是一样好的CFR与访问完整的游戏。
2022-03-24 cs.AI cs.GT
Solving Imperfect-Information Games via Discounted Regret Minimization
Carnegie Mellon University(卡内基梅隆大学)
反事实后悔最小化(CFR)是一类迭代算法,是最流行的,在实践中,最快的方法来近似解决大规模的信息博弈。在本文中,我们引入了新的CFR变体,1)以各种方式从早期迭代中折扣遗憾(在某些情况下,积极和消极的遗憾不同),2)以各种方式重新加权迭代以获得输出策略,3)使用非标准的遗憾最小化器和/或4)利用“乐观遗憾匹配”。它们在许多环境中显著提高了性能。首先,我们引入了一个变体,在每个测试的游戏中,包括大规模的现实设置中,它的性能都优于CFR+,这是现有的最先进的算法。CFR+是一个强大的基准:没有其他算法已经能够胜过it. Finally,我们表明,与CFR+,许多重要的新的变种是兼容的现代信息游戏修剪技术和一个也是兼容的游戏树中的采样。
2019-02-21 cs.AI cs.GT
Solving Royal Game of Ur Using Reinforcement Learning
College of Computer and Information Sciences(计算机与信息科学学院);Northeastern University(东北大学)
强化学习最近已经作为一种非常强大的工具出现,以解决棋盘游戏领域中的复杂问题,其中代理通常需要基于其自身的经验和收到的奖励来学习复杂的策略和动作。虽然RL已经超越了用于玩简单视频游戏和流行棋盘游戏的现有最先进方法,但它尚未在古代游戏中展示其能力。在这里,我们解决了这样一个问题,我们训练我们的代理使用不同的方法,即蒙特卡洛,Qlearning和预期Sarsa学习最优策略发挥战略皇家游戏乌尔。我们的游戏的状态空间是复杂和大的,但我们的代理人在玩游戏和学习重要的战略举措方面表现出良好的效果。虽然很难得出结论,当使用有限的资源进行训练时,哪种算法的整体性能更好,但Expected Sarsa在最快的学习方面显示出有希望的结果。
2022-08-23 cs.AI cs.LG
Solving zero-sum extensive-form games with arbitrary payoff uncertainty models
University of Strathclyde(思克莱德大学);Zondax GmbH
从博弈论的角度对战略冲突进行建模涉及到对认知不确定性的处理。由于计算限制,回报不确定性模型通常限于简单的概率模型。应用于扑克的人工智能(AI)研究最近取得了突破,产生了新的近似方法,如反事实遗憾最小化,可以成功地处理大规模的不完美游戏。通过借鉴这些思想,这项工作解决了任意连续收益分布的问题。我们提出了一种方法,Harsanyi-Counterfactual遗憾最小化,解决两人零和扩展形式的游戏与任意的支付分布模型。给定一个博弈$Γ$,利用Harsanyi变换,我们生成一个新的博弈$Γ^\#$,然后应用反事实后悔最小化方法,得到$\varepsilon$ -Nash均衡.我们包括数值实验,展示了该方法如何可以应用到以前发表的问题。
2019-04-24 cs.AI cs.GT
AssistanceZero: Scalably Solving Assistance Games
ucb(加州大学伯克利分校)
本研究提出首个可扩展的协助博弈求解方法AssistanceZero,通过扩展AlphaZero加入预测人类动作与奖励的神经网络,在超大规模目标的Minecraft协助博弈中优于现有方法,且经人类验证能显著降低用户完成建造任务的动作量,为复杂环境下AI助手训练提供可行框架。
2025-06-12 cs.AI cs.LG
Convergence analysis and acceleration of the smoothing methods for solving extensive-form games
近年来,广泛形式的博弈得到了大量的研究。它可以表示具有多个决策点和不完全信息的游戏,因此它有助于制定具有不确定输入的游戏,如扑克。我们考虑一个扩展形式的游戏与两个球员和零和,即,他们的收益之和总是零在这种博弈中,寻找最优策略的问题可以表述为双线性鞍点问题。这个公式根据游戏的大小而变大,因为它有代表每个玩家在所有决策点的策略的变量。为了解决这类大规模的双线性鞍点问题,研究了一种光滑化方法--过量间隙技术。该方法生成一系列近似解,其误差保证收敛于$\mathcal{O}(1/k)$,其中$k$是迭代次数。然而,它的缺点是与游戏大小相关的误差的理论界限很差。这使得它不适用于大型游戏。我们的目标是改进光滑化方法,使其能够应用于大规模的游戏解决广泛的形式的游戏。为此,我们在这项工作中做出了两个贡献。首先,我们稍微修改了平滑方法中使用的强凸函数,以提高与游戏大小相关的理论界。其次,我们提出了一个启发式称为中心技巧,它允许平滑方法与其他方法相结合,从而加快在实践中的收敛。因此,我们将EGT与CFR+相结合,CFR+是一种最先进的扩展形式游戏方法,可以在传统平滑方法表现不佳的游戏中实现良好的性能。所提出的平滑方法被证明有潜力解决大型游戏在实践中。
2023-03-20 cs.AI cs.GT
e-Valuate: A Two-player Game on Arithmetic Expressions -- An Update
Tata Consultancy Services(塔塔咨询服务公司)
e-Valuate是一款关于算术表达式的游戏。参与者扮演着最大化和最小化给定表达式的不同角色。最大化者提出价值,最小化者用价值代替他选择的变量。当表达式被完全实例化时,它的值将与某个极大极小值进行比较,如果参与者使用他们的最优策略,则会产生该值。获胜者将根据这一比较结果宣布。我们使用一个对策树来表示游戏的状态,并展示了如何使用反向归纳法和α-β剪枝来有效地计算极大极小值。alpha-beta剪枝的有效性取决于评估节点的顺序。进一步的改进可以通过使用换位表来防止对相同节点的重新评估来获得。我们提出了一个启发式的节点排序。我们展示了如何使用的启发式和换位表导致改进的性能,通过比较每个方法修剪的节点数。我们描述了这个游戏的一些特定领域的变体。第一个是图论公式,其中两个玩家通过着色相关集合来共享图的一组元素,每个玩家都希望最大化他的份额。被共享的集合可以是顶点、边或面的集合(对于可平面图)。这一点的一个应用是共享由可平面图包围的区域,其中每个玩家的目标是最大化他的份额的面积。另一种变体是平铺游戏,其中玩家交替地将多米诺骨牌放置在$8 \times 8$棋盘上以构建最大部分平铺。我们表明,瓷砖$x$的大小满足$22 \le x \le 32$证明,任何最大的部分瓷砖至少需要$22$多米诺骨牌。
2014-09-12 cs.AI math.CO
Depth-Limited Solving for Imperfect-Information Games
Computer Science Department(计算机科学系);Carnegie Mellon University(卡内基梅隆大学)
信息博弈的一个基本挑战是,国家没有明确的价值观。因此,在单智能体设置和完全信息博弈中使用的深度受限搜索算法不适用。本文介绍了一种原则性的方法来进行深度有限的解决方案,在深度有限的信息游戏中,允许对手选择的策略,为游戏的剩余部分。这些策略中的每一个都会导致叶节点的一组不同的值。这迫使代理对对手可能采用的不同策略具有鲁棒性。我们证明了这种方法的有效性,通过建立一个大师级的抬头无限制德州扑克AI,击败了两个以前的顶级代理,只使用一个4核CPU和16 GB的内存。开发如此强大的代理商之前需要一台超级计算机。
2018-05-21 cs.AI cs.GT cs.MA
LiteEFG: An Efficient Python Library for Solving Extensive-form Games
Massachusetts Institute of Technology(麻省理工学院);LIDS(林肯实验室);EECS(电气工程与计算机科学学院)
LiteEFG是一个高效的Python库,通过Python表达计算图并由C++后端执行,实现多人扩展型博弈的快速求解,用户只需定义单节点更新规则即可自动处理整个博弈树结构。
2024-07-29 cs.AI cs.GT cs.LG
Learning and Solving Many-Player Games through a Cluster-Based Representation
Harvard School of Engineering and Applied Sciences(哈佛工程与应用科学学院)
在解决的挑战,指数缩放与代理的数量,我们采用了基于集群的表示近似解决非常多的球员的非对称游戏。一个集群将具有类似游戏“战略观点”的代理分组在一起。我们从由策略配置文件和收益组成的数据中学习聚类近似,这些数据可以从对游戏的观察或对模拟器的访问中获得。使用我们的聚类,我们构建了一个简化的“双胞胎”游戏,其中每个集群与两个球员的简化游戏。这使得我们的表示能够单独响应,因为我们将每个个体代理的利益与其集群的策略相一致。我们的方法为代理提供了更高的回报和更低的遗憾平均比无模型的方法以及以前的基于聚类的方法,只需要很少的观察学习是成功的。“双胞胎”方法被证明是提供这些低遗憾近似值的重要组成部分。
2012-06-13 cs.AI cs.GT
Exploration Based Language Learning for Text-Based Games
HKUST(香港科技大学);Uber AI(优步人工智能实验室);UC-Davis(加州大学戴维斯分校)
这项工作提出了一种基于探索和模仿学习的代理,能够在玩基于文本的计算机游戏时具有最先进的性能。基于文本的计算机游戏通过自然语言向玩家描述他们的世界,并期望玩家使用文本与游戏交互。这些游戏是有趣的,因为它们可以被视为人工智能的语言理解、解决问题和语言生成的测试平台。此外,它们提供了一个学习环境,在这个环境中,这些技能可以通过与环境的交互而不是使用固定的语料库来获得。使这些游戏对学习代理特别具有挑战性的一个方面是组合的大动作空间。现有的解决基于文本的游戏的方法是有限的游戏,要么是非常简单的,或有一个动作空间限制到一个预定的一组可接受的行动。在这项工作中,我们建议使用的探索方法去探索解决基于文本的游戏。更具体地说,在最初的探索阶段,我们首先提取具有高回报的轨迹,之后我们通过模仿这些轨迹来训练策略以解决游戏。我们的实验表明,这种方法优于现有的解决方案,在解决基于文本的游戏,它是更有效的样本与环境的互动的数量。此外,我们表明,学习的政策可以推广比现有的解决方案看不见的游戏,而不使用任何限制的行动空间。
2020-06-08 cs.AI cs.CL
First-Order Problem Solving through Neural MCTS based Reinforcement Learning
Northeastern University(东北大学)
一个解释的一阶逻辑(FOL)语句的形式语义可以用塔斯基语义学或基本等价的博弈语义学给出。后者将陈述和解释映射为两个玩家的语义游戏。许多组合问题可以使用解释的FOL语句来描述,并且可以映射到语义游戏中。因此,学习玩语义游戏可以完美地解决组合问题的特定实例。我们调整了AlphaZero算法,使其更好地学习玩具有不同特征的语义游戏,而不是围棋和象棋。我们提出了一个通用的框架,珀尔塞福涅,映射组合问题的FOL描述的语义游戏,使它可以通过基于神经MCTS的强化学习算法来解决。我们对Persephone的目标是使其成为白板,将解释FOL中陈述的问题映射到没有人为干预的解决方案。
2021-01-11 cs.AI cs.LG
Game Solving with Online Fine-Tuning
Institute of Information Science, Academia Sinica(中央研究院资讯科学研究所);Department of Computing Science, University of Alberta(阿尔伯塔大学计算科学系);Department of Computer Science, National Yang Ming Chiao Tung University(国立阳明交通大学资讯工程学系);Research Center for Information Technology Innovation, Academia Sinica(中央研究院资讯科技创新研究中心)
本文提出在线微调方法,在搜索中调整AlphaZero启发式,以解决游戏求解中分布外局面评估不准确的问题,显著节省计算时间并可扩展至任意树搜索算法。
2023-11-13 cs.AI cs.GT cs.LG
Informed Steiner Trees: Sampling and Pruning for Multi-Goal Path Finding in High Dimensions
IIIT-Hyderabad(海得拉巴国际信息技术学院);Texas A&M University(得克萨斯农工大学);Carnegie Mellon University(卡内基梅隆大学)
我们交错采样为基础的运动规划方法与修剪思想,从最小生成树算法开发一种新的方法来解决多目标路径查找(MGPF)问题在高维空间。该方法在来自搜索空间中的所选区域的采样点和不强调可能不会导致MGPF的良好解决方案的区域之间交替。我们的方法提供了一个渐进的,2-近似保证MGPF。我们还提出了广泛的数值结果来说明我们提出的方法的优点,均匀采样的质量的解决方案和计算速度。
2022-05-09 cs.AI cs.MA cs.RO
Function Approximation for Solving Stackelberg Equilibrium in Large Perfect Information Games
School of Computer Science, Carnegie Mellon University(卡内基梅隆大学计算机科学学院)
针对一般和扩展型博弈中缺乏状态价值函数简单对应物的挑战,提出学习可实施收益前沿(EPF)并用神经网络逼近最优 Stackelberg 扩展型相关均衡,首次将函数逼近应用于 Stackelberg 设定,实现了更大规模博弈的扩展并保证了激励相容性与性能。
2023-04-02 cs.AI cs.GT cs.MA
A Marriage between Adversarial Team Games and 2-player Games: Enabling Abstractions, No-regret Learning, and Subgame Solving
Politecnico di Milano(米兰理工大学);Politecnico di Torino(都灵理工大学)
\emph{Ex ante}相关性正在成为\emph{sequential adversarial team games}的主流方法,其中一个玩家团队在零和游戏中面对另一个团队。团队成员的信息不对称使得均衡计算\textsf{APX} -hard和团队策略不能直接在博弈树上表示。后一个问题阻止了大型2人零和游戏的成功工具的采用,例如\emph{e.g.},抽象,无悔学习和子游戏求解。这项工作表明,我们可以通过弥合连续对抗团队游戏和2人游戏之间的差距来弥补这一弱点。特别是,我们提出了一个新的,合适的游戏表示,我们称之为\emph{team-public-information},其中一个团队被表示为一个单一的协调员谁只知道信息共同的整个团队,并规定每个成员的任何可能的私人状态的行动。由此产生的表示是高度\emph{explainable},是一个2玩家树,其中团队的策略是行为的,具有直接的解释,并且在设计抽象时比原始的广泛形式更具表现力。此外,我们证明了我们的代表的回报等价,我们提供的技术,直接从广泛的形式,产生显着更紧凑的表示没有信息丢失。最后,我们实验评估我们的技术时,应用到一个标准的测试平台,比较其性能与当前最先进的。
2022-06-18 cs.AI cs.GT cs.MA
From Frustration to Fun: An Adaptive Problem-Solving Puzzle Game Powered by Genetic Algorithm
本文提出了一种基于遗传算法的自适应拼图游戏,通过动态调整难度提升玩家体验,探索问题解决能力的培养方法。
2025-09-28 cs.AI cs.MM cs.NE
Dynamic Connected Neural Decision Classifier and Regressor with Dynamic Softing Pruning
AInnovation Technology Ltd.(安创新科技有限公司)
为了处理复杂度不同的数据集,本文提出了一种自适应学习模型,该模型结合了动态连接神经决策网络(DNDN)和一种新的剪枝方法--动态软剪枝(DSP)。DNDN是随机森林和深度神经网络的结合,兼具树状结构的强大分类能力和网络结构的表示学习能力的优点。本文在深度神经决策森林(DNDF)的基础上,采用端到端的训练方法,用多个随机初始化的softmax层来表示分类分布,从而进一步允许多个随机森林的集成附着到神经网络的不同深度的层上。我们还提出了一种软修剪方法DSP,自适应地减少网络的冗余连接,以避免过拟合简单的数据集。与未修剪的模型相比,该模型没有表现出性能损失,并且对不同的数据和特征分布具有更高的鲁棒性。在不同数据集上的大量实验表明,该模型在解决分类任务方面优于其他流行的算法。
2021-02-22 cs.AI cs.LG stat.ML
Solving Pasur Using GPU-Accelerated Counterfactual Regret Minimization
本文提出一种CUDA加速的计算框架,通过反事实遗憾最小化(CFR)求解复杂纸牌游戏Pasur的近似纳什均衡,利用博弈树分解与逐轮反向训练策略降低内存与计算开销,并训练树模型预测策略及通过大规模自对弈评估牌组公平价值。
2025-08-06 cs.AI cs.GT cs.LG
A Policy-Gradient Approach to Solving Imperfect-Information Games with Best-Iterate Convergence
本文首次证明策略梯度方法在两人零和不完美信息扩展式博弈中可实现最佳迭代收敛到正则化纳什均衡,为策略梯度在博弈论中的应用奠定理论基础。
2025-07-09 cs.AI cs.GT cs.LG
Solving the Content Gap in Roblox Game Recommendations: LLM-Based Profile Generation and Reranking
University of Illinois Chicago(伊利诺伊大学芝加哥分校);Roblox(罗布乐思公司);Columbia University(哥伦比亚大学);University of California, San Diego(加州大学圣地亚哥分校)
针对Roblox游戏推荐因文本特征稀疏不一致导致的内容差距问题,提出基于LLM的游戏档案生成与重排序方法,生成结构化游戏属性并验证其有效性,提升推荐相关性且已部署至生产环境。
2025-02-01 cs.AI cs.CL cs.IR
Online Learning and Solving Infinite Games with an ERM Oracle
Ben-Gurion University(本-古里安大学)
本文提出仅依赖ERM预言机的在线二分类算法,并推广到非参数博弈中,证明在有限fat-threshold维度条件下可收敛到近似均衡,为双重预言机等实践方法提供理论依据。
2023-07-10 cs.AI cs.GT cs.LG