Feb, 2024

马尔可夫说服流程：从零开始学习说服

PDF
TL;DRBayesian persuasion and learning algorithms are used to address Markov persuasion processes where the sender has no prior knowledge, ensuring sublinear growth of regret in the number of episodes and matching the guarantees of the algorithm.
bayesian persuasionmarkov persuasion processessenderreceiverlearning algorithm
发现论文，激发创造
  • 顺序信息设计：马尔可夫说服过程及其有效的强化学习

    本文提出了一种新的序列信息设计模型 —— 马尔科夫说服过程（MPP），并在在线强化学习环境下设计了一种有效的无后悔策略学习算法（OP4），该算法可高效地确定具有有限或无限状态和结果的优化策略，提高发件人的效用。

    Feb, 2022

  • 顺序信息设计：在暗中学习说服

    研究了在信息设计问题中，如何让一个自利的决策人在面对连续决策时遵循某些规则，并提出了相应的学习算法，该算法可以保证提示者和接收者在不同条件下的回报。

    Sep, 2022

  • 算法贝叶斯引导

    本文从计算的角度出发，重点研究了李嘉图和根岑科夫在 Bayesian Persuasion Model 中提出的两个角色 —— 发送者和接收者，以及发送者如何通过优化任务最大化自己的收益。论文重点分析了三种自然输入模型下发情况的最优化问题，并针对每一种模型讨论了其计算复杂度。

    Mar, 2015

  • 多发信者说服 —— 一个计算视角

    多发信人，信息优势，纳什平衡，可微神经网络和帕累托支配是该篇论文的关键词和主题。

    Feb, 2024

  • 多智能体场景下的序列规划框架

    本研究在部分可观察马尔可夫决策过程 (POMDPs) 的基础上，将代理模型纳入到状态空间中，使其扩展到了多智能体的情景下。代理人通过贝叶斯更新来维护对物理环境状态和其他代理模型的信念，并使用基于置信状态的映射来求得最优方案。虽然我们的方法中代理人的模型不可直接被操纵或观察，但我们证明了 POMDPs 的重要特性如收敛率、价值函数的分段线性和凸性等在我们的框架下仍然成立。

    Sep, 2011

  • 间歇可观察的马尔科夫决策过程

    本文研究了在不稳定状态信息下的 MDP，提出了一种基于树组织结构和值迭代算法的有限状态近似方法来寻找最优策略。

    Feb, 2023

  • 教导一个学习代理

    在非学习模型中，如果代理使用上下文无懊悔学习算法，那么主体可以确保利用率接近于经典的带承诺非学习模型中主体的最优利用率；如果代理使用上下文无交换懊悔学习算法，那么主体无法获得比带承诺非学习模型中最优利用率更高的利用率；使用基于均值的学习算法，主体可以比非学习模型获得显著更好的结果。这些结论对于任何具有完全信息的广义委托代理问题都成立，包括斯塔克尔伯格博弈和合同设计。

    Feb, 2024

  • 具有通信的顺序主 - 代理问题：高效计算与学习

    本文研究了一个在信息不完备的情况下，委托人和代理人之间的顺序决策问题。

    Jun, 2023

  • Bellman Meets Hawkes: 基于模型的时空点过程强化学习

    通过 Hawkes 过程建立了异步离散事件的环境动力学模型，并开发了一种基于模型的强化学习算法，用于解决社交媒体、金融和健康信息学中广泛存在的顺序决策问题。

    Jan, 2022

  • 通过模拟进行算法说服：生成式人工智能时代的信息设计

    通过使用 oracle 查询来学习有关接收者的信仰，我们研究了信息设计与贝叶斯说服问题，设计了多项式时间查询算法来优化发送者的预期效用。

    Nov, 2023