论文提出不可观测奖励下的激励学习框架

Ilgin Dogan 等在 arXiv（2308.06717，v2）发表论文，研究委托人无法观测智能体真实奖励时的重复逆向选择博弈：智能体用多臂老虎机最大化期望奖励加激励，委托人则并行训练算法，在估计智能体未知奖励与通过自适应激励引导其决策之间权衡。 针对非参数模型，论文提出仅依赖激励历史与智能体选择历史的估计器，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和委托人的严格遗憾界，并以绿色能源聚合商合同的仿真验证框架适用性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。