本文从统计决策论的视角出发，提出了基于决策规则的社会选择机制，比较了 Bayesian 估计器、Mallows 模型、Condorcet 模型和 Kemeny 规则等各种类型的机制，并探讨了其规范性能、计算复杂度和渐近行为等方面的性质。其中，对于 Condorcet 模型，本文证明了 Bayesian 估计器满足匿名性、中立性和单调性等期望性能，能够在多项式时间内计算，并在一定条件下与其他两种决策规则渐近不同。

Oct, 2014

本文研究了极大熵和最小化最坏期望损失之间的密切关系，证明了这两个问题是对偶的，并提供了将一种问题的解用于另一种问题的方法，同时扩展了熵的一般定义，引入了分布差异的最小化概念并建立了相应的理论。

Oct, 2004

本文讲述了在统计学及数学心理学的多个应用中，Fisher 信息量扮演着重要的角色，并阐明了在三个统计学范式中 Fisher 信息的不同应用：第一，在频率学派范式中，Fisher 信息被用来建立假设检验和置信区间，使用最大似然估计量；第二，在贝叶斯学派范式中，Fisher 信息被用来定义默认优先级；最后，在最小描述长度范式中，Fisher 信息被用来度量模型复杂度。

May, 2017

采用 Gaussian-process 和 Bayesian optimization 框架，提出适用于 derivative-free 环境下求解游戏均衡的算法，相比传统的基于导数的算法，可以在可接受的黑盒计算成本下，可靠地求得均衡。

Nov, 2016

本文从多个角度对对抗博弈中三种主要的游戏模型（零和标准型和扩展型游戏，Stakelberg 安全游戏和零和微分游戏）进行了系统的调研，涵盖了游戏模型基础知识，平衡概念，问题分类，研究前沿，最优策略寻找技术，主要算法和实际应用，并探讨了未来的研究方向。

Jul, 2022

本文探讨了贝叶斯博弈的均衡概念，包括相关均衡、通信均衡，推导出基于均衡对策的博弈稳定状态的实现方法，提出一种满足稳定、高效、优化多个博弈均衡的新均衡概念。

Apr, 2023

介绍了 J-M Lasry 和 P-L Lions 提出的描述随机微分博弈问题的极限行为的均场类型模型，作者在先前的作品中提出了这些模型的稳态和演化版本的近似方法，并在各种假设下证明了这些方法的收敛定理。

Jul, 2012

本文讨论了进化博弈理论作为一种强大而统一的数学工具，用于研究集体行为的演化，总结了作者最近通过进化博弈理论方法所涉及的一些研究方向，包括：i）随机进化博弈中（稳定）均衡数量的统计性质分析，以及 ii）在技术发展竞赛中建模安全行为的演化及先进人工智能技术带来的风险。最后，对未来研究者提出了展望和一些建议。

Nov, 2023

我们探索和比较了隐私和披露限制的各种定义，在统计估计和数据分析中包括 (近似) 差分隐私、基于测试的隐私定义和对披露风险的后验保证。我们在定义之间给出了等价结果，揭示了不同形式隐私定义之间的关系。我们通过这些定义提供了最小化风险边界的推论视角，包括均值估计，分布支撑的估计和非参数密度估计。这些界限突出了不同隐私定义的统计后果，并为评估不同的披露限制技术的优势和劣势提供了第二个视角。

Dec, 2014

本文提供了复杂多代理交互的经验博弈理论上界，研究了元博弈理论、博弈均衡、数据样本量、非对称游戏与多代理学习算法，并在 AlphaGo、Colonel Blotto 和 Leduc Poker 等不同情境下进行实证探究其进化动态。

Mar, 2018