arXiv cs.AI· Miaobo Hu, Shuhao Hu, Xiaobo Guo, Xin Wang, Bokun Wang, Rui Chen, Daren Zha·· 11 小时前AI 评分18
SafeAdapt-Poker：对手行为漂移下预算化自适应的反事实风险校准
SafeAdapt-Poker: Counterfactual Risk Calibration for Budgeted Adaptation under Opponent Shift
AI 导读
SafeAdapt-Poker 将对手行为漂移下的预算化自适应建模为双重反事实序贯控制问题，仅用每次决策前可得的信息，通过单调战略风险模型与配对预算状态延续模型权衡即时自适应收益与未来预算消耗。
正文 · AI 翻译
摘要：对手历史在行为发生变化后可能产生误导。SafeAdapt-Poker 将对手变化下的预算化适应形式化为双重反事实序贯控制问题，仅使用每次决策前可获得的信息。在每次决策时，控制器提出两个不同的问题：在匹配的合法后续行动下，偏离冻结锚点会带来怎样的局部下行风险；以及现在消耗部分剩余偏离预算会损失多少未来适应价值。第一个问题由关于偏离强度的单调策略风险模型回答；第二个问题由对当前预算消耗定价的配对预算状态延续模型回答。控制器在保持支持的候选偏离中进行选择，权衡即时适应价值与这两个量；逐路径累积 KL 账本限制总锚点相对偏离；在留出交互之前，在完整的配对校准会话上筛选有限族冻结控制器。有限候选扰动界表明，分配目标随延续价值估计误差连续退化。评估涵盖精确博弈利用与安全性、四种对手变化、局部风险校准、延迟机会分配、直接机会价值估计、价值误差鲁棒性、因子机制归因、预算敏感性、抽象 HUNL 交叉对局，以及按玩家/时间留出的公开历史行为。在精确 Leduc 上，完整控制器在匹配弱池上获得 +0.0718 的增益，最差对手 delta 为 -0.0126，在相同会话预算下将延迟机会捕获率从短视分配的 0.6318 提升至 0.7841，并在抽象 HUNL 交叉对局中达到 +42.7 mbb/手；保留的公开历史筛选报告 0.5820 的动作准确率和 0.9277 的对数损失，而公开先验为 0.5039 和 0.9778。
| 评论： | 16 页，8 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:2610.20473 [cs.AI] |
| （或此版本的 arXiv:2610.20473v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.20473 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Miaobo Hu [查看电子邮件]
[v1]
2026 年 10 月 14 日星期三 16:50:42 UTC（376 KB）
[v2]
2026 年 10 月 16 日星期五 09:57:23 UTC（376 KB）
来源：arXiv cs.AI · arxiv.org