探讨了在决策标准偏离（主观）预期效用的情况下，顺序选择情境的适应性，并提出了基于决策者连续自我的合作的 McClennen 决定的解释和实施方法。

Jan, 2013

本文提出了基于信息理论思想的有限理性理论，并提供了将自由能量函数作为表征有限理性决策的目标函数的概念上的理据。该文讨论了单步决策以及如何使用等价变换将其扩展到序贯决策，扩展后得到的类别决策问题非常广泛，包括古典决策规则等极限情况以及可信和风险敏感规划。

Dec, 2015

通过统计力学和信息论的思想，实验测试了资源限制下有限理性决策的正式化预测，并将该模型参数分解为受试者预期效用函数和资源参数，结果显示人类在面对资源限制时逐渐回退到他们学习的先前选择模式。

Oct, 2016

本研究中，我们考虑了一系列的重复预测游戏模型，并通过极限推导出非线性抛物型偏微分方程的超级解，这些超级解与N.Cesa-Bianci，G.Lugosi（2003）所定义的潜力函数密切相关。所有这类超级解提供了预测者遗憾的上限界，同时表明了一个基于潜力的预测策略，能够满足Blackwell条件。通过验证论证，可以得出对于最坏情况下遗憾的常规上界。

May, 2017

探索了数据驱动的算法设计中的在线选择算法和隐私保护算法选择问题，提出了分散条件以优化这些问题的解决方案。

Nov, 2017

本文探讨了当存在独立的多维目标且无法互相归约时，将目标形式化地表示为绝对数学函数所面临的困难性，并提出了使用不确定性目标作为一种替代方案。我们证明了，将已知的某些不可能定理转化为两种设置下的不确定定理，并证明了这些不可能结果所蕴含的不确定度的下限。最后，我们提出了两个关于不确定目标与人工智能系统的严重意外后果之间关系的猜想。

Dec, 2018

本文介绍了一类称为决策规则的对象，可以用于建模决策制定者在接受推荐等场景中对备选方案的连续决策过程。在该类规则中，文中研究了自然子集：终止规则和一致终止规则，并证明了这两个自然子集在等效方面具有重要意义。最后，本文对一些自然的启发式策略进行了行为特征化。

Feb, 2022

本文将近期发展的决策理论的不完全偏好和概率信息转移到多目标设置中，并通过利用可能的部分基数和部分概率信息，比帕累托序提供更详细的订单来比较决策。我们讨论了所提议的决策选项之间的一些有趣属性，并展示了如何通过线性优化来计算它们。最后，在比较不同表现度量下的算法的场景中演示了我们的框架。

Dec, 2022

本研究使用量子决策理论首次对二元冒险选择数据集进行校准，发现存在选择反转的数量，并通过引入主流派和反对派将决策者异质性来优化选择反转的预测，结果比logit-CPT模型在各个级别上表现出更好的预测能力，表明存在内在可预测性的固有限制，并对人类决策者的选择预测以及人工智能的运营有应用前景。

Mar, 2023

本文探讨了自适应决策问题，提出一种可在有限的选项中选择以优化累积表现目标的算法，并考虑了损失受限的情况，得出了构建最优和高效算法的结论，涉及非线性和在线系统识别等具体应用。

Apr, 2023