Buchumschlag

Matching Multiple Experts: On the Exploitability of Multi-Agent Imitation Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bergerault, Antoine, Cevher, Volkan, Mehr, Negar
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning 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

Partially Observable Multi-Agent Reinforcement Learning with Information Sharing
von: Liu, Xiangyu, et al.
Veröffentlicht: (2023)

No-Regret Learning for Fair Multi-Agent Social Welfare Optimization
von: Zhang, Mengxiao, et al.
Veröffentlicht: (2024)

Breaking the Curse of Multiagency in Robust Multi-Agent Reinforcement Learning
von: Shi, Laixi, et al.
Veröffentlicht: (2024)

Multi-Agent Reinforcement Learning in Cybersecurity: From Fundamentals to Applications
von: Landolt, Christoph R., et al.
Veröffentlicht: (2025)

Strategically Robust Multi-Agent Reinforcement Learning with Linear Function Approximation
von: Gonzales, Jake, et al.
Veröffentlicht: (2026)

Principal-Agent Reinforcement Learning: Orchestrating AI Agents with Contracts
von: Ivanov, Dima, et al.
Veröffentlicht: (2024)

Competitive Algorithms for Multi-Agent Ski-Rental Problems
von: Wang, Xuchuang, et al.
Veröffentlicht: (2025)

Factorised Active Inference for Strategic Multi-Agent Interactions
von: Ruiz-Serra, Jaime, et al.
Veröffentlicht: (2024)

Stochastic Principal-Agent Problems: Efficient Computation and Learning
von: Gan, Jiarui, et al.
Veröffentlicht: (2023)

Dynamic Matching Bandit For Two-Sided Online Markets
von: Li, Yuantong, et al.
Veröffentlicht: (2022)

Two-sided Competing Matching Recommendation Markets With Quota and Complementary Preferences Constraints
von: Li, Yuantong, et al.
Veröffentlicht: (2023)

Fair Contracts in Principal-Agent Games with Heterogeneous Types
von: Tłuczek, Jakub, et al.
Veröffentlicht: (2025)

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

Choose Your Battles: Distributed Learning Over Multiple Tug of War Games
von: Chandak, Siddharth, et al.
Veröffentlicht: (2025)

Shapley Machine: A Game-Theoretic Framework for N-Agent Ad Hoc Teamwork
von: Wang, Jianhong, et al.
Veröffentlicht: (2025)

Game-Theoretic Understandings of Multi-Agent Systems with Multiple Objectives
von: Wang, Yue
Veröffentlicht: (2025)

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

Incentivize Contribution and Learn Parameters Too: Federated Learning with Strategic Data Owners
von: Doshi, Drashthi, et al.
Veröffentlicht: (2025)

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

Independent Learning in Constrained Markov Potential Games
von: Jordan, Philip, et al.
Veröffentlicht: (2024)

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

Unsynchronized Decentralized Q-Learning: Two Timescale Analysis By Persistence
von: Yongacoglu, Bora, et al.
Veröffentlicht: (2023)

Survey on Strategic Mining in Blockchain: A Reinforcement Learning Approach
von: Li, Jichen, et al.
Veröffentlicht: (2025)

Efficient and Scalable Deep Reinforcement Learning for Mean Field Control Games
von: Peng, Nianli, et al.
Veröffentlicht: (2024)

Easy as ABCs: Unifying Boltzmann Q-Learning and Counterfactual Regret Minimization
von: D'Amico-Wong, Luca, et al.
Veröffentlicht: (2024)

Energy Minimization for Participatory Federated Learning in IoT Analyzed via Game Theory
von: Buratto, Alessandro, et al.
Veröffentlicht: (2025)

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

Independent Learning of Nash Equilibria in Partially Observable Markov Potential Games with Decoupled Dynamics
von: Jordan, Philip, et al.
Veröffentlicht: (2026)

Convex Markov Games and Beyond: New Proof of Existence, Characterization and Learning Algorithms for Nash Equilibria
von: Barakat, Anas, et al.
Veröffentlicht: (2026)

How Market Volatility Shapes Algorithmic Collusion: A Comparative Analysis of Learning-Based Pricing Algorithms
von: Sravon, Aheer, et al.
Veröffentlicht: (2025)

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

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

Agent-Temporal Credit Assignment for Optimal Policy Preservation in Sparse Multi-Agent Reinforcement Learning
von: Kapoor, Aditya, et al.
Veröffentlicht: (2024)

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

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

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

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

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

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

Welfare and Fairness in Multi-objective Reinforcement Learning
von: Fan, Zimeng, et al.
Veröffentlicht: (2022)