arXiv cs.AI· Miaobo Hu, Shuhao Hu, Xiaobo Guo, Xin Wang, Bokun Wang, Peng Zhang, Daren Zha·· 11 小时前AI 评分18
RSD-Poker：面向不完全信息博弈残差策略的结构自适应与偏移鲁棒风险-效用认证框架
RSD-Poker: Structure-Adaptive and Shift-Robust Risk-Utility Certification for Residual Policies in Imperfect-Information Games
AI 导读
RSD-Poker 提出一种结构自适应、偏移鲁棒的风险-效用认证框架，冻结残差族与尺度，在独立结构划分上学习策略可见分组并在校准前固定。在分层留出状态上，学习分区的对偶选择器将弱响应效用从全局对偶认证的 4.4074 提升至 4.4936，违规率从 0.0215 降至 0.0078，其混合鲁棒变体违规率为 0.0059。
正文 · AI 翻译
摘要：残差策略自适应提供了一种轻量级方法来修改强参考策略，但共享的尺度和固定的子群划分可能掩盖异质性退化，并在信息状态的部署混合发生变化时变得脆弱。我们引入 RSD-Poker，一个结构自适应且对偏移鲁棒的认证框架，它冻结一组残差族和尺度，在独立的结构划分上学习策略可见的划分，并在校准标签加入之前冻结该划分。每个候选-组对都会获得一个针对锚点相对风险的加权同时上界证书，以及一个针对弱响应效用的下界证书。然后，在预先声明的部署组比例不确定性集合上选择一个鲁棒的组到候选映射。在从每个冻结组的分布中抽取的独立校准单元、在校准前固定的候选库和划分、以及组内条件不变的情况下，所选映射以至少 $1-\zeta_{risk}-\zeta_{util}$ 的概率满足其声明的混合鲁棒风险预算和效用证书。该信息契约同时支持教师支持的变换和无教师的仅观察学生。保留的确定性 24 状态审计仍然是一个精确的重放诊断：经验零选择 $\alpha=0.08$，将弱响应代理从 4.2082 提高到 4.2889，且 $0/12$ 的留出阈值穿越。在分层留出状态上，学习划分的双选择器将弱效用从全局双认证下的 4.4074 提高到 4.4936，并将留出违规从 0.0215 降低到 0.0078；其混合鲁棒变体达到违规 0.0059。在五个仅观察检查点上，风险校准残差达到弱效用 $4.3659\pm0.0177$ 和违规率 $0.0178\pm0.0057$。
| 评论： | 36 页，5 幅图 |
| 主题： | 人工智能（cs.AI）；计算机科学与博弈论（cs.GT）；机器学习（cs.LG） |
| 引用为： | arXiv:2609.33669 [cs.AI] |
| （或 arXiv:2609.33669v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.33669 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Miaobo Hu [查看电子邮件]
[v1]
2026 年 9 月 27 日星期日 15:29:27 UTC（1,465 KB）
[v2]
2026 年 10 月 16 日星期五 11:41:51 UTC（1,465 KB）
来源：arXiv cs.AI · arxiv.org