对手塑造不再需要看对手参数：元学习出的更新规则在五款博弈中综合得分居首
在一般和博弈中，让智能体影响对手学习过程的方法此前需要读取对手的策略、参数或学习规则。一项研究把单智能体强化学习里“元学习出更新规则”的做法搬到多智能体场景，元训练出一条只读自身经验与收益矩阵的规则，部署时不再接触对手内部信息。在囚徒困境、匹配硬币、胆小鬼、猎鹿与硬币游戏的对阵循环赛中，该规则在五款博弈的归一化平均得分上排名第一，自博弈得分同样第一。
这篇博士论文提出把因果机器学习落地临床的三项方法创新与一个设计框架，并用物理治疗剂量案例检验连续治疗模型
这篇博士论文围绕如何把因果机器学习用于真实临床实践，沿三条线索展开：在临床情境下的二值治疗效应估计中识别出八个直接影响治疗效应估计的关键决策点并提出结构化设计框架；针对反事实预测难以验证的问题，提出一种把平均模型预测锚定到可用随机或真实世界临床试验数据经验验证的组级量的新方法，并展示信息瓶颈正则化可降低反事实误差界、提升治疗效应估计表现；在连续因果机器学习方面以物理治疗剂量对功能独立性的影响为具体医疗用例开展研究；在元强化学习方面提出一种利用多数据集学习更稳健、更可泛化策略的新算法。
已读完全部报道