一种针对临场合作的Minimax方法

我们提出一种针对临场合作（AHT）的minimax-Bayes方法，通过对合作伙伴的对抗先验进行优化，以显式地考虑部署时对合作伙伴的不确定性。与假设特定合作伙伴分布的现有方法不同，我们的方法在最坏情况下提供了更好的性能保证。大量实验，包括来自Melting Pot套件的协作烹饪任务评估，表明该方法在鲁棒性方面优于自我对弈、拟时策和最佳响应学习。我们的工作凸显了选择合适的训练分布以实现AHT鲁棒性的重要性。