Buchumschlag

Strategically Robust Multi-Agent Reinforcement Learning with Linear Function Approximation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gonzales, Jake, Horwitz, Max, Mazumdar, Eric, Ratliff, Lillian J.
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

Structure from Strategic Interaction & Uncertainty: Risk Sensitive Games for Robust Preference Learning
von: Horwitz, Max, et al.
Veröffentlicht: (2026)

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

Provably Convergent Actor-Critic for MARL through Risk-aversion
von: Zhang, Yizhou, et al.
Veröffentlicht: (2026)

Tractable Equilibrium Computation in Markov Games through Risk Aversion
von: Mazumdar, Eric, et al.
Veröffentlicht: (2024)

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

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

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

Multi-Agent Reinforcement Learning in Cybersecurity: From Fundamentals to Applications
von: Landolt, Christoph R., 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)

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

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

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

Matching Multiple Experts: On the Exploitability of Multi-Agent Imitation Learning
von: Bergerault, Antoine, et al.
Veröffentlicht: (2026)

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

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

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

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

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

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

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

Principal-Agent Hypothesis Testing
von: Bates, Stephen, et al.
Veröffentlicht: (2022)

Scalable Neural Incentive Design with Parameterized Mean-Field Approximation
von: Corecco, Nathan, et al.
Veröffentlicht: (2025)

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

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

Stochastic Semi-Gradient Descent for Learning Mean Field Games with Population-Aware Function Approximation
von: Zhang, Chenyu, et al.
Veröffentlicht: (2024)

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

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

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

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

Population-aware Online Mirror Descent for Mean-Field Games by Deep Reinforcement Learning
von: Wu, Zida, et al.
Veröffentlicht: (2024)

Policy Optimization and Multi-agent Reinforcement Learning for Mean-variance Team Stochastic Games
von: Hu, Junkai, et al.
Veröffentlicht: (2025)

Strategic Interactions in Multi-Level Stackelberg Games with Non-Follower Agents and Heterogeneous Leaders
von: Aminikalibar, Niloofar, et al.
Veröffentlicht: (2026)

Separation Assurance between Heterogeneous Fleets of Small Unmanned Aerial Systems via Multi-Agent Reinforcement Learning
von: Sharifi, Iman, et al.
Veröffentlicht: (2026)

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

Risk Sensitivity in Markov Games and Multi-Agent Reinforcement Learning: A Systematic Review
von: Ghaemi, Hafez, et al.
Veröffentlicht: (2024)

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

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

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

GameTalk: Training LLMs for Strategic Conversation
von: Vendrell, Victor Conchello, et al.
Veröffentlicht: (2026)

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