网络学习和游戏中 LLM 代理的后悔案例研究

本文介绍了一种新的在线学习方法，用于在大型游戏中最小化后悔。该方法通过学习函数逼近器来估计选择特定行动的后悔值，并使用无悔算法定义一系列策略。证明了该方法的正确性，并展示了在实验中可以实现比最先进的抽象技术更高质量的策略。