本文研究了一个叫做广义二分搜索的算法，通过一系列策略性的查询确定二值函数，提出了新的不连贯性和几何条件，证明其信息理论最优查询复杂度。此外，该算法还应用于学习半空间问题。

Oct, 2009

研究了使用确定性和随机算法在双矩阵博弈中寻找近似均衡所需的计算成本，给出了具体的上限和下限，并通过随机算法突破了确定性算法的计算复杂度下限。

Oct, 2013

在大量玩家的二元行动博弈中，查询复杂度与 ε- 支持纳什均衡的关系是指数级的，并导致自适应动态收敛到近似纳什均衡的速度指数级下降。

Jun, 2013

该研究探讨了不完全回忆下的单人博弈理论，比如 “睡美人问题” 和 “健忘的司机游戏”，并找到了与之对应的平面最大化问题的解决方案，从而解决了这些策略计算的复杂性问题。

May, 2023

本文提出两种新算法：平衡在线镜像下降和平衡对策后悔最小化，通过整合平衡探索策略到它们的经典对应物算法，解决学习不完美信息的广义零和游戏的近似 Nash 均衡问题。同时，将结果推广到学习多人游戏的粗略相关均衡。

Feb, 2022

本文探讨了多人博弈中学习的样本复杂性问题，并设计算法在样本复杂度多项式级别下，求解多人一般和马尔可夫博弈的粗略关联均衡和关联均衡，同时提出了针对特定条件下的学习算法，显著提高了现有算法的效率和精度。

Oct, 2021

我们提出了 EC2 这个新的、贪心的主动学习算法，并证明了它与最优策略相竞争，因此得到了关于具有噪声观察的贝叶斯主动学习的第一个竞争保证。我们的结果基于最近发现的一种递减回报性质，称为自适应子模性，将子模集函数的经典概念推广到适应策略中。

Oct, 2010

该研究表明，任何随机第一阶段算法在单位球上最小化 $d$ 维、1-Lipschitz 凸函数时，必须使用 $Ω(d^{2−δ})$ 位内存或进行 $Ω(d^{1+δ/6−o (1)})$ 次查询，否则凸优化的最优查询复杂度需要使用四次方内存。

Jun, 2023

学习图上的顶点的二元分类器，特别关注具有特定抽象意义的凸分区类作为分类器，通过多项式时间算法和结构洞见，以及与底层图的关联进行学习，进行了有关监督学习、在线学习和主动学习中的凸分区类的研究和结果验证。

May, 2024

研究了将单位球面子集嵌入到 Hamming 立方体中的方法，利用高斯宽度表征了失真和样本复杂度之间的权衡关系，并提供了嵌入点的局部嵌入以及更快的二进制嵌入等改进方案。

Dec, 2015