Buchumschlag

Real-Time Parallel Counterfactual Regret Minimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Boning, Huang, Longbo
Format:	Preprint
Veröffentlicht:	2026
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

Deep (Predictive) Discounted Counterfactual Regret Minimization
von: Xu, Hang, et al.
Veröffentlicht: (2025)

Parallelizing Counterfactual Regret Minimization
von: Kim, Juho, et al.
Veröffentlicht: (2026)

Minimizing Weighted Counterfactual Regret with Optimistic Online Mirror Descent
von: Xu, Hang, et al.
Veröffentlicht: (2024)

Solving Pasur Using GPU-Accelerated Counterfactual Regret Minimization
von: Baghal, Sina
Veröffentlicht: (2025)

PokerSkill: LLMs Can Play Expert-Level Poker without Training or Solvers
von: Li, Boning, et al.
Veröffentlicht: (2026)

Robust Deep Monte Carlo Counterfactual Regret Minimization: Addressing Theoretical Risks in Neural Fictitious Self-Play
von: Jaafari, Zakaria El
Veröffentlicht: (2025)

RL-CFR: Improving Action Abstraction for Imperfect Information Extensive-Form Games with Reinforcement Learning
von: Li, Boning, et al.
Veröffentlicht: (2024)

Next-Token Prediction and Regret Minimization
von: Mohri, Mehryar, et al.
Veröffentlicht: (2026)

GPU-Accelerated Counterfactual Regret Minimization
von: Kim, Juho
Veröffentlicht: (2024)

Regret Minimization and Convergence to Equilibria in General-sum Markov Games
von: Erez, Liad, et al.
Veröffentlicht: (2022)

Effective, Efficient, and General Information Abstraction for Imperfect-Information Extensive-Form Games
von: Li, Boning, et al.
Veröffentlicht: (2026)

Optimistic Thompson Sampling for No-Regret Learning in Unknown Games
von: Li, Yingru, 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)

From External to Swap Regret 2.0: An Efficient Reduction and Oblivious Adversary for Large Action Spaces
von: Dagan, Yuval, et al.
Veröffentlicht: (2023)

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

Accelerating Nash Equilibrium Convergence in Monte Carlo Settings Through Counterfactual Value Based Fictitious Play
von: Qi, Ju, et al.
Veröffentlicht: (2023)

Regret Minimization in Bilateral Trade With Perturbed Markets
von: Lunghi, Anna, et al.
Veröffentlicht: (2026)

Regret Minimization in Stackelberg Games with Side Information
von: Harris, Keegan, et al.
Veröffentlicht: (2024)

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

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

Selling Joint Ads: A Regret Minimization Perspective
von: Aggarwal, Gagan, et al.
Veröffentlicht: (2024)

Regret Minimization for Piecewise Linear Rewards: Contracts, Auctions, and Beyond
von: Bacchiocchi, Francesco, et al.
Veröffentlicht: (2025)

Computational Lower Bounds for Regret Minimization in Normal-Form Games
von: Anagnostides, Ioannis, et al.
Veröffentlicht: (2024)

Regret Bounds for Competitive Resource Allocation with Endogenous Costs
von: Chai, Rui
Veröffentlicht: (2026)

Comparing Uniform Price and Discriminatory Multi-Unit Auctions through Regret Minimization
von: Potfer, Marius, et al.
Veröffentlicht: (2025)

Efficient Last-Iterate Convergence in Regret Minimization via Adaptive Reward Transformation
von: Ren, Hang, et al.
Veröffentlicht: (2025)

GroupSegment-SHAP: Shapley Value Explanations with Group-Segment Players for Multivariate Time Series
von: Kim, Jinwoong, et al.
Veröffentlicht: (2026)

Model-Based RL for Mean-Field Games is not Statistically Harder than Single-Agent RL
von: Huang, Jiawei, et al.
Veröffentlicht: (2024)

Governing AI Forgetting: Auditing for Machine Unlearning Compliance
von: Lin, Qinqi, et al.
Veröffentlicht: (2026)

ReLExS: Reinforcement Learning Explanations for Stackelberg No-Regret Learners
von: Huang, Xiangge, et al.
Veröffentlicht: (2024)

On the Limitations and Possibilities of Nash Regret Minimization in Zero-Sum Matrix Games under Noisy Feedback
von: Maiti, Arnab, et al.
Veröffentlicht: (2023)

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

Incentivizing Truthful Language Models via Peer Elicitation Games
von: Chen, Baiting, et al.
Veröffentlicht: (2025)

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

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

An Efficient Black-Box Reduction from Online Learning to Multicalibration, and a New Route to $Φ$-Regret Minimization
von: Farina, Gabriele, et al.
Veröffentlicht: (2026)

Strategic Candidacy in Generative AI Arenas
von: Hays, Chris, et al.
Veröffentlicht: (2026)

Code-Space Response Oracles: Generating Interpretable Multi-Agent Policies with Large Language Models
von: Hennes, Daniel, et al.
Veröffentlicht: (2026)

Test-Time Compute Games
von: Velasco, Ander Artola, et al.
Veröffentlicht: (2026)