跳到正文
arXiv · ML· Miaobo Hu, Shuhao Hu, Xiaobo Guo, Xin Wang, Bokun Wang, Rui Chen, Daren Zha·· 2026-10-15AI 评分36

SafeAdapt-Poker:对手偏移下的预算自适应反事实风险校准方法

SafeAdapt-Poker: Counterfactual Risk Calibration for Budgeted Adaptation under Opponent Shift

AI 导读

针对对手行为偏移,SafeAdapt-Poker 将预算自适应形式化为双反事实序贯控制问题。 该控制器通过单调策略风险模型与配对预算状态延续模型,权衡即时适应价值与偏差消耗。 在 Leduc 游戏中,完整控制器弱池收益达 +0.0718,最坏对手差值 -0.0126;抽象 HUNL 交叉博弈获 +42.7 mbb/hand。

来源:arXiv · ML · arxiv.org