Apprentissage de la coordination multiagent : Q-learning par jeu adaptatif
Notice bibliographique
Résumé
Resume : Dans le cadre de l’apprentissage multiagent, de nombreux travaux ont cherche jusqu’a present a etablir des algorithmes convergents vers un equilibre de Nash en jeux stochastiques. De tels algorithmes sont cependant limites dans la mesure ou ils sont incapables de gerer la multiplicite des equilibres de Nash et de converger vers l’equilibre Pareto-optimal si celui-ci existe. Ces algorithmes utilisent generalement une convention pour la selection de l’equilibre de Nash le plus approprie en cas d’equilibres multiples. Pour palier a cela, nous proposons un algorithme d’apprentissage etendant le Q-learning aux jeux stochastiques non-cooperatifs, qui converge en jeux uniformes (en anglais “self-play”, ce sont des jeux ou tous les agents utilisent le meme algorithme d’apprentissage) vers l’equilibre de Nash Pareto-optimal. Nous presentons des resultats experimentaux montrant la convergence d’un tel algorithme en jeux homogenes vers un equilibre de Nash, en tant qu’equilibre de meilleure reponse mutuelle (donc vers un equilibre de Nash Pareto-optimal), sans besoin de convention de coordination explicite.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».