Learning in Multi-Memory Games Triggers Complex Dynamics Diverging from Nash Equilibrium

Zero-Variance Perturbation Utiity for Extensive-Form Games

A Slingshot Approach to Learning in Monotone Games

オンライン環境において公平な資源配分を実現するアルゴリズムに関する研究

研修医配属における地域間格差を調整する制約のモンテカルロ木探索

Rate-Optimal Bayesian Simple Regret in Best Arm Identification

An Optimal Clustering Algorithm for the Labeled Stochastic Block Model

Learning in Multi-Memory Games Triggers Complex Dynamics Diverging from Nash Equilibrium

オンライン環境において公平な資源配分を実現するアルゴリズムに関する研究

二人零和展開型ゲームにおける突然変異付き乗算型重み更新に関する研究

Last-Iterate Convergence with Full and Noisy Feedback in Two-Player Zero-Sum Games

タスク指向対話システムのPolicy学習へのDecision Transformerの適用

タスク指向対話における強化学習を用いた対話方策学習への敵対的学習の役割の解明

研修医配属における地域間格差を調整するための制約のモンテカルロ木探索

オンライン環境において公平な資源配分を実現するアルゴリズムに関する研究

Thresholded Lasso Bandit

ビームサーチ推論のための強化学習

Last-Iterate Convergence with Full- and Noisy-Information Feedback in Two-Player Zero-Sum Games

強化学習一般

Mutation-Driven Follow the Regularized Leader for Last-Iterate Convergence in Zero-Sum Games

二人零和ゲームにおける突然変異付きレプリケータダイナミクスを用いた学習アルゴリズムに関する研究