62 papers
Deze studie toont aan dat in ruimtelijke vertrouwesspellen interrollenbeloningen het vertrouwen niet altijd bevorderen, omdat overmatige beloningen juist een strategie van niet-terugbetaling stimuleren die de evolutie van vertrouwen onderdrukt.
De auteurs presenteren een nieuwe deterministische, symmetrische recursieve algoritme voor het oplossen van gemiddelde-betalingsspellen.
Dit artikel onderzoekt hoe meningsvorming in multilagenetwerken via gecoördineerde speltheorie en wisselwerking tussen lagen kan leiden tot consensus, convergentie en stabiliteit, zelfs wanneer individuele lagen dit niet alleen bereiken.
Dit paper introduceert Deep Incentive Design (DID), een nieuw differentieerbaar framework dat game-agnostische differentieerbare evenwichtsblocks (DEBs) gebruikt om complexe prikkeldesignproblemen in economie en informatica, zoals contractontwerp en machineschema's, effectief op te lossen.
Dit onderzoek toont aan dat taalmodellen in bandietproeven rigide beslissingstendensen vertonen door lage leersnelheden en hoge omgekeerde temperaturen, wat leidt tot starre exploitatiepatronen die de interactie tussen mens en AI kunnen beïnvloeden.
Dit paper introduceert een lichtgewicht Model Predictive Control-framework voor merkadvertenties dat gebruikmaakt van online isotone regressie om complexe modellen te vermijden en zo de bestedings-efficiëntie en kostenbeheersing in realtime biedingen significant verbetert.
Dit paper analyseert de incentive-structuur van huidige AI-benchmarks, waaruit blijkt dat deze leiden tot strategisch 'benchmaxxing' zonder evenwicht, en stelt dat het 'tune-before-test'-protocol een oplossing biedt die modellen correct rangschikt op basis van hun onderliggende kwaliteit.
Dit artikel onderzoekt de dynamiek van het vooringenomen interactiespel als een model voor sociale systemen, waarbij wordt aangetoond hoe schaarste en vooringenomenheid hiërarchie, ongelijkheid en niet-lineaire stabiliteit kunnen verklaren en hoe het model kan worden toegepast om filosofieën voor welvaartsverdeling te vergelijken.
Dit artikel gebruikt het AI-gestuurde evolutionaire zoekframework AlphaEvolve om een nieuwe ondergrens van 2,0749 voor de verhouding tussen de eerste-beste winst uit handel en die van het Random-Offerer-mechanisme in bilaterale handel vast te stellen, waarmee de eerder bekende benaderingsratio wordt verbeterd.
Deze paper introduceert een niveau-2 inverse-speltheoretisch raamwerk dat, in tegenstelling tot bestaande niveau-1-methoden, de schattingen van agenten over elkaars doelen infereert om misalignments in gedecentraliseerde scenario's zoals stedelijk rijden nauwkeuriger te verklaren.
Dit paper introduceert een combinatorische klok-uitwisselingsmarkt, versterkt met machine learning, die prosumers in lokale energiemarkten in staat stelt om complexe voorkeuren op een intuïtieve manier te uiten zonder ingewikkelde biedingen of prijsvoorspellingen, wat leidt tot snelle convergentie naar evenwichtsprijzen.
Hoewel het artikel een theoretisch uitbreiding van causale speltheorie naar sequentiële settings introduceert, concludeert het dat deze aanpak geen welvaartswinst biedt ten opzichte van klassieke Stackelberg-evenwichten, omdat rationele terugwaartse afleiding elke strategische meerwaarde van causale lagen elimineert.
Deze paper bewijst dat het bepalen van een winnende strategie in Yu-Gi-Oh! TCG een onbeslisbaar probleem is dat zelfs -compleet is, wat betekent dat het minstens zo moeilijk is als het Halting-probleem en dat het zelfs de complexiteit van het bepalen van tellbare welordeningen overtreft.
Deze paper introduceert een game-theoretisch evaluatiekader gebaseerd op het Quantal Response Equilibrium om de strategische complexiteit van grote taalmodellen kwantitatief te meten en te valideren tegen menselijk gedrag, waarbij wordt aangetoond dat hoewel modellen theoretische voorspellingen benaderen, hun prestaties sterk gevoelig zijn voor promptformulering en versieverschillen.
Dit paper introduceert Code-Space Response Oracles (CSRO), een nieuw raamwerk dat Large Language Models gebruikt om in plaats van ondoorzichtige neurale netten interpreteerbare, menselijke code te genereren voor multi-agent beleidsstrategieën, waardoor complexe speltheoretische evenwichten transparanter en betrouwbaarder worden.
Dit artikel onderzoekt instant-runoff voting op grafen met metrische voorkeuren, waarbij het aantoont dat het testen van uitsluitingszones en het vinden van de minimale zone op bomen in polynomiale tijd kan worden opgelost via dynamisch programmeren, terwijl deze problemen voor algemene grafen NP-moeilijk blijven, en analyseert bovendien de utilitaire vervorming van het stemsysteem.
Dit onderzoek toont aan dat prijsbepalende agenten op basis van grote taalmodellen (LLMs) in oligopolistische markten autonoom en snel tot supracompetitieve prijzen en winsten neigen, waarbij subtiele variaties in instructies de uitkomst aanzienlijk beïnvloeden en nieuwe uitdagingen voor regulering creëren.
Deze paper lost een belangrijke open vraag op door expliciete bovengrenzen af te leiden voor het aantal items dat nodig is om een eerlijke verdeling te garanderen voor onverdele goederen en taken onder verschillende voorkeuren, met een nieuwe constructieve methode die ook toepasbaar is op taakverdeling en taakverdeling.
Dit paper introduceert een 'test-en-straf'-strategie die statistische hypothesetoetsing gebruikt om samenwerking in oneindig herhaalde spellen met imperfecte monitoring te handhaven, waarbij spelers afwijkingen detecteren en bestraffen om een Folk-stelling te bereiken.
Deze paper introduceert nieuwe, tijdsgevoelige alternatiemetrics om de beperkingen van traditionele, tijdsblinde maatstaven aan te tonen bij het evalueren van multi-agent coördinatie, waarbij blijkt dat agenten met hoge traditionele scores in feite slechter presteren dan willekeurige baselines in termen van daadwerkelijke coördinatiekwaliteit.