Exemples de restauration d’unicité et de sélection d’équilibres dans les jeux à champ moyen
Notice bibliographique
Résumé
Ce manuscrit a pour objectif de présenter plusieurs résultats de restauration d’unicité et de sélection d’équilibres dans les jeux à champ moyen. La théorie des jeux à champ moyen a été initiée dans les années 2000 par deux groupes de chercheurs, Lasry et Lions en France, et Huang, Caines et Malhamé au Canada. L’objectif de cette théorie est de décrire les équilibres de Nash dans des jeux différentiels stochastiques incluant un grand nombre de joueurs interagissant les uns avec les autres à travers leur mesure empirique commune et présentant suffisamment de symétrie. Si l’existence d’équilibres dans les jeux à champ moyen est maintenant bien comprise, l’unicité reste connue dans un nombre très limité de cas. A cet égard, la condition la plus connue est celle dite de monotonie, due à Lasry et Lions. Dans cette thèse, nous démontrons, que pour une certaine classe de jeux à champ moyen, l’unicité peut être rétablie à l’aide d’un forçage aléatoire des dynamiques, communs à tous les joueurs. Un tel forçage est appelé “bruit commun”. Nous montrons également que, dans certains cas, il est possible de sélectionner des équilibres en l’absence de bruit commun en faisant tendre le bruit commun vers zéro. Enfin, nous montrons comment ces résultats s’appliquent à des problèmes de type “principal-agents”, avec un grand nombre d’agents en interaction.
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 | 0,001 | 0,002 |
| 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 | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».