凸马尔可夫博弈：多智能体学习中的公平性、模仿和创造性框架

本文综述了多智能体强化学习（MARL）的理论分析，重点关注马尔可夫博弈和扩展形式博弈中的算法结果。

提出了一种新的马尔可夫潜势博弈（MPG）定义，用于捕捉复杂的多智能体协调。

独立策略梯度算法能够快速收敛到纳什均衡策略，且在Markov潜在博弈中具有全局非渐进收敛性质。

提出的独立策略梯度算法在零和马尔科夫博弈和合作马尔科夫博弈中实现了收敛性。

研究了在零和游戏中应用没有遗憾学习算法对抗自适应对手的问题，提出的新算法在特定条件下取得了较小的平均遗憾。

提出了一种基于强化学习和在线凸优化的方法，以实现多智能体系统中的公平性，并在实验中得到了验证。

展示了一类风险厌恶量子响应均衡解（RQE），能够高效计算并依赖于智能体的风险厌恶程度和有限理性。

解决了基于人类反馈的多智能体强化学习的理论和实证基础，强调了单方面数据集覆盖的重要性。