Optimal Solutions to Infinite-Player Stochastic Teams and Mean-Field\n Teams
Notice bibliographique
Résumé
We study stochastic static teams with countably infinite number of decision\nmakers, with the goal of obtaining (globally) optimal policies under a\ndecentralized information structure. We present sufficient conditions to\nconnect the concepts of team optimality and person by person optimality for\nstatic teams with countably infinite number of decision makers. We show that\nunder uniform integrability and uniform convergence conditions, an optimal\npolicy for static teams with countably infinite number of decision makers can\nbe established as the limit of sequences of optimal policies for static teams\nwith $N$ decision makers as $N \\to \\infty$. Under the presence of a symmetry\ncondition, we relax the conditions and this leads to optimality results for a\nlarge class of mean-field optimal team problems where the existing results have\nbeen limited to person-by-person-optimality and not global optimality (under\nstrict decentralization). In particular, we establish the optimality of\nsymmetric (i.e., identical) policies for such problems. As a further condition,\nthis optimality result leads to an existence result for mean-field teams. We\nconsider a number of illustrative examples where the theory is applied to\nsetups with either infinitely many decision makers or an infinite-horizon\nstochastic control problem reduced to a static team.\n
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».