arXiv · cs.AI· Fariba Dehghan·· 12 小时前AI 评分29
首个策略防操纵的深度强化学习机制用于在线资源分配
Strategyproof Deep Reinforcement Learning for Online Resource Allocation
来源与原文
arXiv · cs.AI
作者：Fariba Dehghan
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.37504v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出首个具备策略防操纵性的深度强化学习机制用于在线资源分配，结合单调神经网络、广义关键支付和 RL 或模仿训练三个组件，保证策略防操纵与个体理性。在四资源流实验中，神经规则达到离线福利上界的 97.8%，超过线性学习器的 93.8% 和先到先得的 89.0%；模仿训练 261 秒即达 97.5%，比 RL 快约 89 倍。
来源：arXiv · cs.AI · arxiv.org