arXiv stat.ML· Ilgin Dogan, Zuo-Jun Max Shen, Anil Aswani·· 2 小时前AI 评分30
智能体也在学习时：未观测奖励下的激励学习
When the Agent Learns Too: Learning to Incentivize with Unobserved Rewards
AI 导读
针对委托人无法观测智能体奖励实现的博弈场景，该研究提出了一种仅依赖历史激励与智能体选择的非参数估计器。该方法将估计器与数据驱动激励策略整合至 MAB 框架，在不限制智能体算法类型的前提下，证明了估计器的有限样本一致性及委托人的严格 regret bound。仿真实验进一步验证了该框架在绿色能源聚合商合同中的适用性。
来源：arXiv stat.ML · arxiv.org