Buchumschlag

Look-Ahead Reasoning on Learning Platforms

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Haiqing, Zrnic, Tijana, Mendler-Dünner, Celestine
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computer Science and Game Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Algorithmic Collective Action in Machine Learning
von: Hardt, Moritz, et al.
Veröffentlicht: (2023)

Decline Now: A Combinatorial Model for Algorithmic Collective Action
von: Sigg, Dorothee, et al.
Veröffentlicht: (2024)

Entry Barriers in Content Markets
von: Zhu, Haiqing, et al.
Veröffentlicht: (2025)

Learning not to Regret
von: Sychrovský, David, et al.
Veröffentlicht: (2023)

PAC Learning with Improvements
von: Attias, Idan, et al.
Veröffentlicht: (2025)

Learning Local Stackelberg Equilibria from Repeated Interactions with a Learning Agent
von: Ananthakrishnan, Nivasini, et al.
Veröffentlicht: (2025)

Learning from Random Demonstrations: Offline Reinforcement Learning with Importance-Sampled Diffusion Models
von: Fang, Zeyu, et al.
Veröffentlicht: (2024)

Learning in Structured Stackelberg Games
von: Balcan, Maria-Florina, et al.
Veröffentlicht: (2025)

Learning to Steer Learners in Games
von: Zhang, Yizhou, et al.
Veröffentlicht: (2025)

Online Learning with Bounded Recall
von: Schneider, Jon, et al.
Veröffentlicht: (2022)

Incentivized Collaboration in Active Learning
von: Cohen, Lee, et al.
Veröffentlicht: (2023)

Learning Social Welfare Functions
von: Pardeshi, Kanad Shrikar, et al.
Veröffentlicht: (2024)

Learning to Price Homogeneous Data
von: Chen, Keran, et al.
Veröffentlicht: (2024)

Corrupted Learning Dynamics in Games
von: Tsuchiya, Taira, et al.
Veröffentlicht: (2024)

Clickbait vs. Quality: How Engagement-Based Optimization Shapes the Content Landscape in Online Platforms
von: Immorlica, Nicole, et al.
Veröffentlicht: (2024)

Learning to Allocate Resources with Censored Feedback
von: Montanari, Giovanni, et al.
Veröffentlicht: (2026)

Learning in Budgeted Auctions with Spacing Objectives
von: Fikioris, Giannis, et al.
Veröffentlicht: (2024)

Dynamic Pricing and Advertising with Demand Learning
von: Agrawal, Shipra, et al.
Veröffentlicht: (2023)

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

Regulation Games for Trustworthy Machine Learning
von: Yaghini, Mohammad, et al.
Veröffentlicht: (2024)

The Representation-Rationalizability Tradeoff in Reward Learning
von: Dong, Jing, et al.
Veröffentlicht: (2026)

Barriers to Welfare Maximization with No-Regret Learning
von: Anagnostides, Ioannis, et al.
Veröffentlicht: (2024)

Online Learning in Betting Markets: Profit versus Prediction
von: Zhu, Haiqing, et al.
Veröffentlicht: (2024)

Learning and Computation of $Φ$-Equilibria at the Frontier of Tractability
von: Zhang, Brian Hu, et al.
Veröffentlicht: (2025)

Meta-Learning in Self-Play Regret Minimization
von: Sychrovský, David, et al.
Veröffentlicht: (2025)

Learning-Augmented Online Bidding in Stochastic Settings
von: Angelopoulos, Spyros, et al.
Veröffentlicht: (2025)

Learning to Lead: Incentivizing Strategic Agents in the Dark
von: Wu, Yuchen, et al.
Veröffentlicht: (2025)

Learning Payment-Free Resource Allocation Mechanisms
von: Zeng, Sihan, et al.
Veröffentlicht: (2023)

Bayesian Learning in Episodic Zero-Sum Games
von: Yueh, Chang-Wei, et al.
Veröffentlicht: (2026)

Adaptively Perturbed Mirror Descent for Learning in Games
von: Abe, Kenshi, et al.
Veröffentlicht: (2023)

Incentivized Learning in Principal-Agent Bandit Games
von: Scheid, Antoine, et al.
Veröffentlicht: (2024)

Understanding Model Selection For Learning In Strategic Environments
von: Handina, Tinashe, et al.
Veröffentlicht: (2024)

Incentivizing Truthful Collaboration in Heterogeneous Federated Learning
von: Chakarov, Dimitar, et al.
Veröffentlicht: (2024)

Stable Matching with Ties: Approximation Ratios and Learning
von: Lin, Shiyun, et al.
Veröffentlicht: (2024)

Collaborative Mean Estimation Among Heterogeneous Strategic Agents: Individual Rationality, Fairness, and Truthful Contribution
von: Clinton, Alex, et al.
Veröffentlicht: (2024)

A Machine Learning Theory Perspective on Strategic Litigation
von: Dutz, Melissa, et al.
Veröffentlicht: (2025)

The Relationship between No-Regret Learning and Online Conformal Prediction
von: Ramalingam, Ramya, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Game-Theoretic Resource Allocation on Graphs
von: An, Zijian, et al.
Veröffentlicht: (2025)

Strategic Incentivization for Locally Differentially Private Federated Learning
von: Pagoti, Yashwant Krishna, et al.
Veröffentlicht: (2025)

Bandit Learning in Matching Markets: Utilitarian and Rawlsian Perspectives
von: Hosseini, Hadi, et al.
Veröffentlicht: (2024)