基于分布的博弈论解概念的 learning 框架
人工智能
2025-05-20 v2 计算机科学与博弈论
摘要
过去几年出现了若干从数据中学习经济解的工作；这些包括最优拍卖设计、函数优化、合作博弈中的稳定收益等。本工作中，我们提供了建模此类问题的统一学习理论方法，并建立了判定给定经济解概念能否从数据中学习的工具。我们的学习理论框架推广了函数空间维数——图维数（graph dimension）——的一个概念，将其适配于解概念学习领域。我们识别了解概念PAC可学习的充分条件，并表明已有工作中的结果可借由我们的方法立即导出。最后，我们将方法应用于其他经济领域，得到了PAC竞争均衡与PAC Condorcet胜者的新概念。
引用
@article{arxiv.1903.08322,
title = {A Learning Framework for Distribution-Based Game-Theoretic Solution Concepts},
author = {Tushant Jha and Yair Zick},
journal= {arXiv preprint arXiv:1903.08322},
year = {2025}
}