Buchumschlag

Analysing the Sample Complexity of Opponent Shaping

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fung, Kitty, Zhang, Qizhen, Lu, Chris, Wan, Jia, Willi, Timon, Foerster, Jakob
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Computer Science and Game Theory Multiagent Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Danger Of Arrogance: Welfare Equilibra As A Solution To Stackelberg Self-Play In Non-Coincidental Games
von: Levi, Jake, et al.
Veröffentlicht: (2024)

ADIOS: Antibody Development via Opponent Shaping
von: Towers, Sebastian, et al.
Veröffentlicht: (2024)

Opponent Modeling in Multiplayer Imperfect-Information Games
von: Ganzfried, Sam, et al.
Veröffentlicht: (2022)

Consistent Opponent Modeling in Imperfect-Information Games
von: Ganzfried, Sam
Veröffentlicht: (2025)

Environment Complexity and Nash Equilibria in a Sequential Social Dilemma
von: Yasir, Mustafa, et al.
Veröffentlicht: (2024)

Best Response Shaping
von: Aghajohari, Milad, et al.
Veröffentlicht: (2024)

On the Complexity of Learning to Cooperate with Populations of Socially Rational Agents
von: Loftin, Robert, et al.
Veröffentlicht: (2024)

Sample-Efficient Hypergradient Estimation for Decentralized Bi-Level Reinforcement Learning
von: Kudo, Mikoto, et al.
Veröffentlicht: (2026)

Adaptive Network Intervention for Complex Systems: A Hierarchical Graph Reinforcement Learning Approach
von: Chen, Qiliang, et al.
Veröffentlicht: (2024)

Diffusion of Responsibility in Collective Decision Making
von: Naumov, Pavel, et al.
Veröffentlicht: (2025)

Cooperative Game-Theoretic Credit Assignment for Multi-Agent Policy Gradients via the Core
von: Ji, Mengda, et al.
Veröffentlicht: (2025)

A Single Online Agent Can Efficiently Learn Mean Field Games
von: Zhang, Chenyu, et al.
Veröffentlicht: (2024)

Offline Fictitious Self-Play for Competitive Games
von: Chen, Jingxiao, et al.
Veröffentlicht: (2024)

Preference-Based Multi-Agent Reinforcement Learning: Data Coverage and Algorithmic Techniques
von: Zhang, Natalia, et al.
Veröffentlicht: (2024)

Online Learning of Counter Categories and Ratings in PvP Games
von: Lin, Chiu-Chou, et al.
Veröffentlicht: (2025)

Offline Learning of Nash Stable Coalition Structures with Possibly Overlapping Coalitions
von: Cohen, Saar
Veröffentlicht: (2026)

Distributed Stackelberg Strategies in State-based Potential Games for Autonomous Decentralized Learning Manufacturing Systems
von: Yuwono, Steve, et al.
Veröffentlicht: (2024)

Mechanism-Based Intelligence (MBI): Differentiable Incentives for Rational Coordination and Guaranteed Alignment in Multi-Agent Systems
von: Grassi, Stefano
Veröffentlicht: (2025)

Combining Tree-Search, Generative Models, and Nash Bargaining Concepts in Game-Theoretic Reinforcement Learning
von: Li, Zun, et al.
Veröffentlicht: (2023)

Procedural Fairness in Multi-Agent Bandits
von: Caiata, Joshua, et al.
Veröffentlicht: (2026)

Learning Mean Field Games on Sparse Graphs: A Hybrid Graphex Approach
von: Fabian, Christian, et al.
Veröffentlicht: (2024)

Multi-Agent Training beyond Zero-Sum with Correlated Equilibrium Meta-Solvers
von: Marris, Luke, et al.
Veröffentlicht: (2021)

Bounded Rationality Equilibrium Learning in Mean Field Games
von: Eich, Yannick, et al.
Veröffentlicht: (2024)

A Black-box Approach for Non-stationary Multi-agent Reinforcement Learning
von: Jiang, Haozhe, et al.
Veröffentlicht: (2023)

A Scalable Neural Network for DSIC Affine Maximizer Auction Design
von: Duan, Zhijian, et al.
Veröffentlicht: (2023)

Observation Interference in Partially Observable Assistance Games
von: Emmons, Scott, et al.
Veröffentlicht: (2024)

Independent RL for Cooperative-Competitive Agents: A Mean-Field Perspective
von: Zaman, Muhammad Aneeq uz, et al.
Veröffentlicht: (2024)

AdaFair-MARL: Enforcing Adaptive Fairness Constraints in Multi-Agent Reinforcement Learning
von: Ekpo, Promise, et al.
Veröffentlicht: (2025)

The Benefits of Power Regularization in Cooperative Reinforcement Learning
von: Li, Michelle, et al.
Veröffentlicht: (2024)

RuleSmith: Multi-Agent LLMs for Automated Game Balancing
von: Zeng, Ziyao, et al.
Veröffentlicht: (2026)

Strategic Classification With Externalities
von: Hossain, Safwan, et al.
Veröffentlicht: (2024)

Learning Optimal Tax Design in Nonatomic Congestion Games
von: Cui, Qiwen, et al.
Veröffentlicht: (2024)

Socially-Weighted Alignment: A Game-Theoretic Framework for Multi-Agent LLM Systems
von: Mumcu, Furkan, et al.
Veröffentlicht: (2026)

Learning Mean Field Control on Sparse Graphs
von: Fabian, Christian, et al.
Veröffentlicht: (2025)

ApproxED: Approximate exploitability descent via learned best responses
von: Martin, Carlos, et al.
Veröffentlicht: (2023)

Active Evaluation of General Agents: Problem Definition and Comparison of Baseline Algorithms
von: Lanctot, Marc, et al.
Veröffentlicht: (2026)

Nash Learning from Human Feedback
von: Munos, Rémi, et al.
Veröffentlicht: (2023)

Emergent Dominance Hierarchies in Reinforcement Learning Agents
von: Rachum, Ram, et al.
Veröffentlicht: (2024)

Reinforcement Learning for Hanabi
von: Cohen, Nina, et al.
Veröffentlicht: (2025)

Heterogeneous Multi-Agent Bandits with Parsimonious Hints
von: Mirfakhar, Amirmahdi, et al.
Veröffentlicht: (2025)