Buchumschlag

Faster Rates for No-Regret Learning in General Games via Cautious Optimism

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Soleymani, Ashkan, Piliouras, Georgios, Farina, Gabriele
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Science and Game Theory Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Cautious Optimism: A Meta-Algorithm for Near-Constant Regret in General Games
von: Soleymani, Ashkan, et al.
Veröffentlicht: (2025)

Data-Scarce Identification of Game Dynamics via Sum-of-Squares Optimization
von: Sakos, Iosif, et al.
Veröffentlicht: (2023)

Optimism Without Regularization: Constant Regret in Zero-Sum Games
von: Lazarsfeld, John, et al.
Veröffentlicht: (2025)

Online Multi-Agent Control with Adversarial Disturbances
von: Barakat, Anas, et al.
Veröffentlicht: (2025)

Solving Zero-Sum Convex Markov Games
von: Kalogiannis, Fivos, et al.
Veröffentlicht: (2025)

Fast Last-Iterate Convergence of Learning in Games Requires Forgetful Algorithms
von: Cai, Yang, et al.
Veröffentlicht: (2024)

Doubly Optimal No-Regret Online Learning in Strongly Monotone Games with Bandit Feedback
von: Ba, Wenjia, et al.
Veröffentlicht: (2021)

On Separation Between Best-Iterate, Random-Iterate, and Last-Iterate Convergence of Learning in Games
von: Cai, Yang, et al.
Veröffentlicht: (2025)

Convergence of Regret Matching in Potential Games and Constrained Optimization
von: Anagnostides, Ioannis, et al.
Veröffentlicht: (2025)

Adaptive, Doubly Optimal No-Regret Learning in Strongly Monotone and Exp-Concave Games with Gradient Feedback
von: Jordan, Michael I., et al.
Veröffentlicht: (2023)

Achieving Logarithmic Regret in KL-Regularized Zero-Sum Markov Games
von: Nayak, Anupam, et al.
Veröffentlicht: (2025)

A Polynomial-Time Algorithm for Variational Inequalities under the Minty Condition
von: Anagnostides, Ioannis, et al.
Veröffentlicht: (2025)

Online Generalized-mean Welfare Maximization: Achieving Near-Optimal Regret from Samples
von: Yang, Zongjun, et al.
Veröffentlicht: (2026)

Aspiration-based Perturbed Learning Automata in Games with Noisy Utility Measurements. Part A: Stochastic Stability in Non-zero-Sum Games
von: Chasparis, Georgios C.
Veröffentlicht: (2025)

Unsupervised Solution Operator Learning for Mean-Field Games via Sampling-Invariant Parametrizations
von: Huang, Han, et al.
Veröffentlicht: (2024)

Expected Variational Inequalities
von: Zhang, Brian Hu, et al.
Veröffentlicht: (2025)

Optimistic Online Learning in Symmetric Cone Games
von: Barakat, Anas, et al.
Veröffentlicht: (2025)

Operator Splitting for Learning to Predict Equilibria in Convex Games
von: McKenzie, Daniel, et al.
Veröffentlicht: (2021)

Reinforcement Learning for Finite Space Mean-Field Type Games
von: Shao, Kai, et al.
Veröffentlicht: (2024)

Near-Optimal Regret-Queue Length Tradeoff in Online Learning for Two-Sided Markets
von: Yang, Zixian, et al.
Veröffentlicht: (2025)

Near-Optimal Policy Optimization for Correlated Equilibrium in General-Sum Markov Games
von: Cai, Yang, et al.
Veröffentlicht: (2024)

Satisficing Paths and Independent Multi-Agent Reinforcement Learning in Stochastic Games
von: Yongacoglu, Bora, et al.
Veröffentlicht: (2021)

Finite-Sample Guarantees for Learning Dynamics in Zero-Sum Polymatrix Games
von: Faizal, Fathima Zarin, et al.
Veröffentlicht: (2024)

Last-Iterate Guarantees for Learning in Co-coercive Games
von: Chandak, Siddharth, et al.
Veröffentlicht: (2026)

The Oracle Complexity of Simplex-based Matrix Games
von: Kornowski, Guy, et al.
Veröffentlicht: (2024)

Small-Gain Nash: Certified Contraction to Nash Equilibria in Differentiable Games
von: Sharma, Vedansh
Veröffentlicht: (2025)

An Exponentially Converging Particle Method for the Mixed Nash Equilibrium of Continuous Games
von: Wang, Guillaume, et al.
Veröffentlicht: (2022)

Learning from Delayed Feedback in Games via Extra Prediction
von: Fujimoto, Yuma, et al.
Veröffentlicht: (2025)

Last-Iterate Convergence: Zero-Sum Games and Constrained Min-Max Optimization
von: Daskalakis, Constantinos, et al.
Veröffentlicht: (2018)

A Soft Inducement Framework for Incentive-Aided Steering of No-Regret Players
von: Yorulmaz, Asrin Efe, et al.
Veröffentlicht: (2025)

Aspiration-based Perturbed Learning Automata in Games with Noisy Utility Measurements. Part B: Stochastic Stability in Weakly Acyclic Games
von: Chasparis, Georgios C.
Veröffentlicht: (2025)

Finite-Agent Stochastic Differential Games on Large Graphs: II. Graph-Based Architectures
von: Hu, Ruimeng, et al.
Veröffentlicht: (2025)

From Average-Iterate to Last-Iterate Convergence in Games: A Reduction and Its Applications
von: Cai, Yang, et al.
Veröffentlicht: (2025)

Convergence Analysis of Gradient-Based Learning with Non-Uniform Learning Rates in Non-Cooperative Multi-Agent Settings
von: Chasnov, Benjamin, et al.
Veröffentlicht: (2019)

Optimal Online Bookmaking for Binary Games
von: Bhatt, Alankrita, et al.
Veröffentlicht: (2025)

Learning in Mean Field Games: A Survey
von: Laurière, Mathieu, et al.
Veröffentlicht: (2022)

Decoding Game: On Minimax Optimality of Heuristic Text Generation Strategies
von: Chen, Sijin, et al.
Veröffentlicht: (2024)

Linear Convergence in Games with Delayed Feedback via Extra Prediction
von: Fujimoto, Yuma, et al.
Veröffentlicht: (2026)

Learning Dynamic Mechanisms in Unknown Environments: A Reinforcement Learning Approach
von: Qiu, Shuang, et al.
Veröffentlicht: (2022)

Policy Iteration for Two-Player General-Sum Stochastic Stackelberg Games
von: Kudo, Mikoto, et al.
Veröffentlicht: (2024)