本文介绍了一种名为本地无后悔学习（LONR）的算法，它使用类似于Q学习的更新规则，可以在没有输入状态或完美回忆的情况下进行学习。实验证明，LONR算法在MDPs和有限扩展中具有收敛性，并在许多情况下实现了最后迭代的收敛。特别是在NoSDE游戏这类的Markov游戏中表现出色。

ABCs算法结合了BQL和CFR算法，实现了在单一智能体和多智能体领域的自适应分支。该算法通过测量环境奖励和转移动力学的稳定性，在马尔可夫决策过程中收敛到最佳策略。ABCs在两人零和游戏中保证收敛到纳什均衡，且在OpenSpiel游戏库和OpenAI Gym中表现出强大性能。