ICML

The Harder Path: Last Iterate Convergence for Uncoupled Learning in Zero-Sum Games with Bandit Feedback

更艰难的道路：零和博弈中无耦合学习的最后迭代收敛

Côme Fiegel, Pierre Ménard, Tadashi Kozuno, Michal Valko, Vianney Perchet

机构 * Inria - FairPlay（Inria-公平游戏实验室） ； Stealth AI Startup / Inria / ENS（隐形AI初创公司 / Inria / 索邦大学） ； Criteo AI Lab, Paris, France（Criteo AI实验室，巴黎，法国） 纠错

AI总结 研究零和矩阵博弈在重复玩和带隙反馈下的学习问题，提出无耦合算法保证在无通信情况下最后迭代收敛到纳什均衡，发现收敛至纳什均衡对性能不利，最佳速率为Ω(T^{-1/4})，优于常规的Ω(T^{-1/2})。

Comments Accepted at the 42nd International Conference on Machine Learning (ICML 2025)

Prices, Bids, Values: One ML-Powered Combinatorial Auction to Rule Them All

价格、出价、价值：一种由机器学习驱动的综合拍卖以统御它们所有

Ermis Soumalias, Jakob Heiss, Jakob Weissteiner, Sven Seuken

机构 * Department of Informatics, University of Zurich, Zurich, Switzerland（苏黎世大学信息学院） ； ETH AI Center, Zurich, Switzerland（苏黎世联邦理工学院AI中心） ； Department of Mathematics, ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院数学系） ； Department of Statistics, University of California, Berkeley, USA（加州大学伯克利分校统计系） 纠错

AI总结 本文提出一种基于机器学习的综合拍卖，通过结合价值和需求查询提升效率，减少查询次数并降低投标人认知负担，建立新的实践和效率基准。

Comments ICML 2025 (Oral Presentation) 8 pages + appendix

Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:56570-56614, 2025