University of California, Los Angeles（加州大学洛杉矶分校）

Decentralized Multi-Player Q-Learning in Episodic Markov Decision Processes with Information Asymmetry

Larissa Xu, King Bi, William Chang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

Interpretable Causal Discovery via Causal-Effect Constraints

基于因果效应约束的可解释因果发现

Cixuan Zhang, Guy Van den Broeck, Benjie Wang

机构 * Yale University（耶鲁大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

AI总结 该研究将条件因果发现转化为贝叶斯推理问题，采用稀有事件估计技术解决小后验质量事件的计算挑战，经合成图和Sachs蛋白质数据集验证了方法的准确性与辅助科学探索的作用。

Comments Accepted by UAI 2026

Accelerated Markov Chain Monte Carlo Algorithms on Discrete States

在离散状态上加速的马尔可夫链蒙特卡洛算法

Bohan Zhou, Shu Liu, Xinzhe Zuo, Wuchen Li

机构 * Department of Mathematics University of California Santa Barbara, CA 93106, USA（数学系，加州大学圣巴巴拉分校） ； Department of Mathematics Florida State University Tallahassee, FL 32306, USA（数学系，佛罗里达州立大学） ； Department of Mathematics University of California Los Angeles, CA 90095, USA（数学系，加州大学洛杉矶分校） ； Department of Mathematics University of South Carolina Columbia, SC 29208, USA（数学系，南卡罗来纳大学） 纠错

AI总结 本文提出了一种基于Nesterov加速梯度方法的离散状态采样算法，通过改进的哈密顿流和相互作用粒子系统，有效估计离散得分函数，无需归一化常数。