标签
一场推测性的讨论，将政治影响力与对超级智能人工智能的控制相类比，从博弈论而非传统对齐的视角，探讨人类能否通过控制资源、基础设施或依赖关系，维持对一个比自身更聪明的实体的支配权。
MIT Technology Review 的每日通讯关注以下内容：以反向博弈论来控制 AI 智能体、特朗普将“Super Intelligence”重新品牌化作为一次忠诚度考验，以及今天的美国中期选举将如何检验 AI 的政治影响力。
MIT Technology Review 报道称，对齐研究人员正在探索“反博弈论”（即机制设计），通过设计激励体系——例如跨模型交叉验证和竞争动态——来约束强大的 AI 智能体，无论模型内部如何运作，都能促使其遵守规则。这一思路得到了经济学家 Stephen Morris 及其在 MIT、Yale 和 Columbia 的同事近期发表的一篇预印本的支持，该论文针对的是模型“故意放水”（sandbagging）行为。
一篇新预印本（arXiv 2610.40961）让前沿大语言模型在经典的敲竹杠博弈中相互对抗，发现：在2011年的一项实验室研究中曾将人类投资率提升至67%的可重新谈判期权，在1,440场AI智能体博弈中却使卖方投资率为零。
本文为无折扣（总回报和平均回报）马尔可夫决策过程（MDP）中的双模拟度量建立了博弈论基础，将度量算子解释为贝尔曼–沙普利博弈价值函数，并证明了有限性、聚合误差界和次优性保证。
一篇博客文章，通过 OpenSpiel 使用计算机树搜索算法分析北欧棋盘游戏《围困狐狸》（狐狸与鹅），挑战该棋严重偏向狐狸一方的民间说法。
本文提出了一项审计，用于检验经过强化学习训练的大语言模型定价智能体是否确实通过惩罚背叛者来维持合谋。研究发现，经过强化学习训练的小型大语言模型主要学会的是固定规则或威慑策略，而非真正的卡特尔执行机制；仅凭结果指标，无法区分真正的合谋与遵循规则的行为。
本文提出数据差异化框架（DDF），结合互信息冗余惩罚、成本归一化的边际效用评分和治理输入，由SDSAE代理评估管线执行，用于量化候选数据资产的边际价值，并在信用卡欺诈检测基准上验证了其区分度与推荐稳定性。
研究者构建了基于 Pokémon Showdown 2v2 的多智能体环境，评估 LLM 代理的协作能力。结果显示自由对话模式胜率达 64%，显著高于无对话的 42%，表明对话本身是协作收益的关键来源。
本文提出SPOKE——一种基于KL锚定均衡的策略偏好优化方法，用于训练基于紧凑型LLM的智能体（SmallThinker-4B）在隐藏信息环境下进行更具策略性的扑克博弈。在Kuhn扑克和Leduc扑克实验中，该方法的可利用性低于SFT、DPO、GRPO和GSPO。
该论文介绍了IR-PRM+结合前一效用预测的新方法，为有限两人零和矩阵博弈中的同时更新和交替更新重新确立了常数遗憾与收敛率保证，包括与T无关的外部遗憾、O(T⁻¹)的平均对偶间隙和O(T⁻¹/²)的最优迭代间隙，并将分析扩展到扩展式博弈中的CFR变体IR-PCFR+。
一篇讲述「阿伦森神谕」的长文，回溯 1950 年代 Bell Labs 中 David Hagelbarger 的 SEER 与 Claude Shannon 的机器如何通过预测对手的模式，在匹配硬币等博弈中取胜，并延伸到当代关于可预测性的实验。
该论文提出将战略选择建模为叠加在基础博弈之上的元博弈，评估了5种博弈和10个大模型，发现多臂老虎机方法比基于嵌入的选择器更可靠，但仍未超过固定模型基线，揭示了当前方法应对动态对手的不足。
该论文提出了一种自适应多判别器 Wasserstein GAN（MD-WGAN）框架，将强化学习与博弈论协调结合，用于资源受限的车联网环境，实现与最先进 GAN 相当的预测精度（RMSE 1.029），同时显著降低 CPU 与内存消耗。
该论文研究多智能体 bandit 学习中探索信号泄露带来的安全隐患，提出 deceptive bandit learning（DBL）动力学，证明对手可通过耦合自身探索注入外部性，使系统收敛到新的 deceptive Nash equilibrium（DNE），并保持最优收敛速率且放宽了二阶光滑性假设。
MIT 研究表明，当提示词明确陈述关键规则事实，或以简化方式呈现选项时，LLM 智能体在拍卖和匹配市场中会做出更好的决策；而让其推理对手的行为往往会损害表现。面向人类的市场设计启发式方法能很好地迁移到 GPT-4o、Claude、Gemini 和 Gemma 等模型上。
该论文提出了一种用于可扩展监督中AI辩论的新型实例最优协议。它保证了最坏情况下的正确性，使诚实成为占优策略均衡，并证明了黑盒下界，表明在具有稳定分解的问题上，没有任何协议能够超越它。
该论文提出 Robust Nash Alignment，一个面向不确定成对偏好的博弈论对齐框架，通过主-对偶代理博弈与乐观镜面下降-上升算法，实现了对最坏情况胜率的认证下界，并在 LLM 对齐实验中优于基线方法。
本文在强制选择信号博弈中引入了一个具有信息的对手，并表明随着说服预算的增大，最优信号会从后验最大化转变为边际最大化；此外，鲁棒最优解在全部 108 个验证项目上都与显著性一致——这构成了对"对手感知"类评估所能学到之内容的一个结构性限制。
来自 CMU、MIT、NYU 和斯坦福的研究团队开发了 Ataraxos，仅用 16 块 GPU 训练就在 Stratego 中以 15 比 1 战胜了史上最顶尖的 Stratego 选手，克服了这一游戏海量隐藏信息和长时序决策的难题——这些问题曾让 DeepMind 的 DeepNash 都束手无策。