Buchumschlag

LOQA: Learning with Opponent Q-Learning Awareness

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Aghajohari, Milad, Duque, Juan Agustin, Cooijmans, Tim, Courville, Aaron
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Science and Game Theory Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Towards Sustainable Investment Policies Informed by Opponent Shaping
von: Duque, Juan Agustin, et al.
Veröffentlicht: (2026)

Analysing the Sample Complexity of Opponent Shaping
von: Fung, Kitty, et al.
Veröffentlicht: (2024)

Learning to Play Against Unknown Opponents
von: Arunachaleswaran, Eshwar Ram, et al.
Veröffentlicht: (2024)

Meta-Computing Enhanced Federated Learning in IIoT: Satisfaction-Aware Incentive Scheme via DRL-Based Stackelberg Game
von: Li, Xiaohuan, et al.
Veröffentlicht: (2025)

A Bayesian Learning Algorithm for Unknown Zero-sum Stochastic Games with an Arbitrary Opponent
von: Jafarnia-Jahromi, Mehdi, et al.
Veröffentlicht: (2021)

Decision Theory-Guided Deep Reinforcement Learning for Fast Learning
von: Wan, Zelin, et al.
Veröffentlicht: (2024)

Gradient-based Learning in State-based Potential Games for Self-Learning Production Systems
von: Yuwono, Steve, et al.
Veröffentlicht: (2024)

Learning and Collusion in Multi-unit Auctions
von: Brânzei, Simina, et al.
Veröffentlicht: (2023)

Machine Learning-Powered Course Allocation
von: Soumalias, Ermis, et al.
Veröffentlicht: (2022)

Learning Truthful Mechanisms without Discretization
von: Ma, Yunxuan, et al.
Veröffentlicht: (2025)

Antithetic Sampling for Top-k Shapley Identification
von: Kolpaczki, Patrick, et al.
Veröffentlicht: (2025)

Explore Reinforced: Equilibrium Approximation with Reinforcement Learning
von: Yu, Ryan, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning for Sequential Combinatorial Auctions
von: Ravindranath, Sai Srivatsa, et al.
Veröffentlicht: (2024)

An Auction-based Marketplace for Model Trading in Federated Learning
von: Cui, Yue, et al.
Veröffentlicht: (2024)

Optimistic Thompson Sampling for No-Regret Learning in Unknown Games
von: Li, Yingru, et al.
Veröffentlicht: (2024)

Knowledge-Free Correlated Agreement for Incentivizing Federated Learning
von: Witt, Leon, et al.
Veröffentlicht: (2026)

Managing multiple agents by automatically adjusting incentives
von: Akatsuka, Shunichi, et al.
Veröffentlicht: (2024)

Trustworthy Machine Learning under Social and Adversarial Data Sources
von: Shao, Han
Veröffentlicht: (2024)

Rethinking Teacher-Student Curriculum Learning through the Cooperative Mechanics of Experience
von: Diaz, Manfred, et al.
Veröffentlicht: (2024)

Federated Learning for Data Market: Shapley-UCB for Seller Selection and Incentives
von: Chen, Kongyang, et al.
Veröffentlicht: (2024)

Online Test Synthesis From Requirements: Enhancing Reinforcement Learning with Game Theory
von: Sankur, Ocan, et al.
Veröffentlicht: (2024)

Optimizing Hard-to-Place Kidney Allocation: A Machine Learning Approach to Center Ranking
von: Berry, Sean, et al.
Veröffentlicht: (2024)

Agent-oriented Joint Decision Support for Data Owners in Auction-based Federated Learning
von: Tang, Xiaoli, et al.
Veröffentlicht: (2024)

Learning in Markov Games with Adaptive Adversaries: Policy Regret, Fundamental Barriers, and Efficient Algorithms
von: Nguyen-Tang, Thanh, et al.
Veröffentlicht: (2024)

Do LLM Agents Have Regret? A Case Study in Online Learning and Games
von: Park, Chanwoo, et al.
Veröffentlicht: (2024)

Puzzle it Out: Local-to-Global World Model for Offline Multi-Agent Reinforcement Learning
von: Li, Sijia, et al.
Veröffentlicht: (2026)

Meta-Inverse Reinforcement Learning for Mean Field Games via Probabilistic Context Variables
von: Chen, Yang, et al.
Veröffentlicht: (2025)

Mirror Mode in Fire Emblem: Beating Players at their own Game with Imitation and Reinforcement Learning
von: Smid, Yanna Elizabeth, et al.
Veröffentlicht: (2025)

GemNet: Menu-Based, Strategy-Proof Multi-Bidder Auctions Through Deep Learning
von: Wang, Tonghan, et al.
Veröffentlicht: (2024)

How Can Incentives and Cut Layer Selection Influence Data Contribution in Split Federated Learning?
von: Lee, Joohyung, et al.
Veröffentlicht: (2024)

NePPO: Near-Potential Policy Optimization for General-Sum Multi-Agent Reinforcement Learning
von: Kalanther, Addison, et al.
Veröffentlicht: (2026)

Evaluating LLM Agent Collusion in Double Auctions
von: Agrawal, Kushal, et al.
Veröffentlicht: (2025)

Learning Bilateral Team Formation in Cooperative Multi-Agent Reinforcement Learning
von: Moslemi, Koorosh, et al.
Veröffentlicht: (2025)

Learning Aggregation Rules in Participatory Budgeting: A Data-Driven Approach
von: Fairstein, Roy, et al.
Veröffentlicht: (2024)

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

Iterative Nash Policy Optimization: Aligning LLMs with General Preferences via No-Regret Learning
von: Zhang, Yuheng, et al.
Veröffentlicht: (2024)

Contracting with a Learning Agent
von: Guruganesh, Guru, et al.
Veröffentlicht: (2024)

Efficient Inverse Multiagent Learning
von: Goktas, Denizalp, et al.
Veröffentlicht: (2025)

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