Minimización de arrepentimiento con oponentes adaptativos en juegos repetidos
Exploramos cómo minimizar el arrepentimiento en juegos repetidos con oponentes adaptativos, presentando algoritmos que logran cooperación y equilibrios óptimos.
#teoría de juegos
Adalina: Aproximación Lineal Adaptativa del Valor de Shapley
Descubre Adalina, el algoritmo adaptativo que acelera la aproximación del Valor Shapley y semi-valores con espacio lineal. Ideal para atribución en IA.
Estrategias en teoría de juegos para decisiones estratégicas
Descubre las estrategias clave de la teoría de juegos para tomar mejores decisiones en negocios, política y más. Aprende equilibrio de Nash, dilema del prisionero y aplicaciones prácticas.
Paradoja de Bertrand análisis de equilibrio con aprendices sin arrepentimiento
Los aprendices sin arrepentimiento explican la paradoja de Bertrand: por qué persisten precios altos. Análisis y experimentos revelan sorpresas.
Equilibrios no lineales en modelos de juego potencial para aprendizaje federado
Descubre cómo los modelos de juego potencial revelan transiciones críticas en el aprendizaje federado, optimizando el equilibrio entre esfuerzo y recompensa.
Seguridad en LLMs caja negra: Alineación mediante optimización restringida
Alinea LLMs de caja negra en inferencia usando optimización restringida y teoría de juegos para balancear seguridad y utilidad.
Benchmark para la Honestidad de LLM ante Conflictos de Interés
Descubre cómo los LLM muestran una honestidad excesiva incluso cuando hay conflicto de intereses, según un nuevo benchmark basado en teoría de juegos.
Incentivos, equilibrios y límites de la IA en salud
Descubre por qué la IA en salud solo genera valor si modifica incentivos, no solo optimiza tareas. Perspectiva de teoría de juegos.
Soberanía de IA: aprendizaje nacional en Francia, EE.UU. y China
Francia, EE.UU. y China logran soberanía en IA regulando su aprendizaje nacional. Modelo basado en aprendizaje centrado en humanos.
Fusión de Expertos en MoE Dispersos con Nash Bargaining
Descubre cómo NAMEx, basado en teoría de juegos, mejora la colaboración entre expertos en modelos MoE, logrando mayor precisión y robustez en IA.
Honestidad y credulidad de LLMs como agentes negociadores
Descubre cómo los LLMs negocian en simulaciones de compra-venta. ¿Son honestos o aprovechan la asimetría de información? Análisis de su credulidad y rendimiento.
Descubriendo diferencias estratégicas entre humanos y LLMs
Descubre cómo los modelos de lenguaje como GPT se comportan estratégicamente al jugar piedra, papel o tijera, y en qué se diferencian de los humanos. Resultados sorprendentes.
Aprendices Universales de Decisión
Descubre cómo los Universal Decision Learners unifican planificación, RL, intervenciones causales y teoría de juegos mediante extensiones de Kan. Una perspectiva matemática elegante.
Optimización del bienestar social bajo recompensa y castigo institucional
Optimiza el bienestar social en sistemas multiagente: descubre por qué recompensa y castigo no son igual de efectivos.
Modelado del oponente diferenciable basado en creencias
<meta name=description content=Modelado diferenciable del oponente basado en creencias: técnica avanzada para anticipar y adaptarse a estrategias adversarias usando modelos diferenciables y actualización de creencias.>
Sobre la geometría de los juegos y sus solucionadores
Aprende cómo la geometría transforma los juegos y sus solucionadores. Descubre técnicas geométricas para resolver estrategias y puzzles de manera eficiente.
Juegos de campo medio potencial basados en núcleos con estadísticas U de Fourier aleatorias insesgadas
Explora juegos de campo medio con núcleos y estadísticas U de Fourier: una fusión de teoría de juegos y análisis armónico. Para investigadores.
Asignación libre de envidia de bienes indivisibles mediante consultas ruidosas
Descubre cómo lograr una asignación equitativa y sin envidia de bienes indivisibles incluso con consultas ruidosas. Un enfoque innovador para la justicia distributiva.
Descubriendo Tuberías Cooperativas: Auto-investigación para Dilemas Sociales Secuenciales
Auto-investigación en dilemas sociales secuenciales mediante tuberías cooperativas. Estrategias efectivas de colaboración y aprendizaje.
Arrepentimiento óptimo dependiente de la brecha para el aprendizaje en línea estocástico privado basado en teoría de decisiones
<meta name=description content=Análisis del arrepentimiento óptimo dependiente de la brecha en aprendizaje en línea privado. Descubre cómo minimizar el arrepentimiento preservando la privacidad del modelo.>