通过采用具有一种新颖形式的经验回忆的正则化学习算法，我们表明，在多人博弈的普通形式中，该类自适应算法能够实现更快的收敛速率，并实现对近似效率和粗略相关均衡的收敛，并且，对这种类型算法应用的每个玩家，他们的个体后悔降至$O(T^{-3/4})$，而其效用之和则以$O(T^{-1})$的速度趋于近似最优，在与该类算法相对应的算法维持更快的速率的同时，我们还表明了该类中的任何算法均可通过黑匣子降至$ ilde {O}(T^{-1/2})$的速率来抵抗对手。

Jul, 2015

本文探讨了在非凸损失函数的重复博弈中如何最小化遗憾，并给出了基于梯度下降的方法来实现最优遗憾并保证收敛到平衡点。

Jul, 2017

我们展示了一种称为"Fast and Furious"的学习方法，使得在二人零和博弈中时间平均遗憾减少且步长不为零成为可能，此学习方法为最小化-最大化优化和多智能体系统中的研究提供了新的标杆，即使是在最简单的情况下，我们的研究证明该方法的遗憾界限为$\Theta(\sqrt{T})$，在学习率固定的情况下也会稳定收敛于确切的纳什均衡价值。

May, 2019

本文提出了一种基于乐观的镜像下降的无悔策略算法，可以在非稳态环境下实现O(sqrt(T))的后悔度，并可在变分稳定游戏中收敛到纳什均衡。

Apr, 2021

提出了新的技术，将DFG的技术用于解决内部遗憾和交换遗憾，从而使得多人游戏中的学习动态能够收敛到近似相关均衡，同时分析了Blum和Mansour算法中的近似最优遗憾保证。

Nov, 2021

简而言之，本文提出了一种针对广义和博弈的、分散、计算高效的算法，其保证所有代理都使用时可以提供次线性遗憾保证，并且不需要代理之间的通信。该算法的主要观察结果是，通过马尔可夫游戏的在线学习基本上可以归结为一种加权遗憾最小化。

Jul, 2022

研究了基于遗憾匹配（RM+）及其变种的算法在求解大规模两人零和博弈中的最优策略时的迭代收敛性，并通过数值实验证明了部分实际变种算法在简单的3×3游戏中无法保证迭代收敛。进一步证明了基于平滑技术的最新变种算法，如extragradient RM+ 和 smooth Predictive RM+ 在最优策略上存在渐进收敛以及1/√t的最优策略收敛。最后，引入了重启变种算法，并证明它们在最优策略上可达到线性级别的收敛速度。

Nov, 2023

通过研究正则化的无悔学习方法在有限游戏中的长期行为，我们发现玩家的实际策略如何随时间演变的理解非常有限，同时发现只有严格纳什均衡是稳定吸引的，进而揭示了玩家的日常对策的集合有理性的特性。我们进一步刻画了相应集合的稳定和收敛速率，并表明基于熵正则化的方法以几何速度收敛，而基于投影的方法在有限次迭代内收敛，即使是在带有被动反馈的并发奖励的情况下。

Nov, 2023

使用乐观跟随正则化领导者算法结合适当的价值更新过程，在全信息一般和马尔可夫博弈中找到近似于O(T^-1)粗糙相关均衡。

Feb, 2024

本研究解决了在自适应对手下的马尔可夫博弈中学习的挑战，填补了现有研究对适应性对手的策略后悔关注不足的空白。提出了一种新的政策后悔概念，展示了在特定条件下（如记忆限制下的一致对手）可以实现高效学习。主要发现显示在这些条件下，算法能够在对手存在时有效降低策略后悔。

Nov, 2024