标签
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+。
EMAgnet针对大型两人零和游戏中的策略梯度自我博弈引入了参数空间指数移动平均正则化，与均匀正则化目标相比，实现了更低的可利用性。