強化学習

gradio — Build and share delightful machine learning apps, all in Python. 🌟 Star to support our work!

Pythonでマシンラーニングアプリを作成・共有することができるライブラリです。

強化学習方策勾配 (PPO / A3C)画像

強化学習方策勾配 (PPO / A3C)分類テキスト

paperless-ngx — A community-supported supercharged document management system: scan, index and archive all your documents

MaaAssistantArknights — 《明日方舟》小助手，全日常一键长草！| A one-click tool for the daily tasks of Arknights, supporting all clients.

ゲーム『明日方舟』の支援ツール。全日常のタスクを一括で実行可能。

未読 114件

gradio — Build and share delightful machine learning apps, all in Python. 🌟 Star to support our work!

Pythonでマシンラーニングアプリを作成・共有することができるライブラリです。

強化学習方策勾配 (PPO / A3C)画像

用途: マシンラーニングアプリ作成
難易度: Easy
コスト: Medium

強化学習方策勾配 (PPO / A3C)分類テキスト

paperless-ngx — A community-supported supercharged document management system: scan, index and archive all your documents

用途: ドキュメント管理
難易度: Easy
コスト: Low

MaaAssistantArknights — 《明日方舟》小助手，全日常一键长草！| A one-click tool for the daily tasks of Arknights, supporting all clients.

ゲーム『明日方舟』の支援ツール。全日常のタスクを一括で実行可能。

用途: ゲームの支援ツール
難易度: Easy
コスト: Medium

Gymnasium — An API standard for single-agent reinforcement learning environments, with popular reference environments and related utilities (formerly Gym)

Gymnasiumは、シングルエージェントRLの疑似環境を提供するAPIです。

用途: 疑似環境を提供する
難易度: Easy
コスト: Medium

PufferLib — Puffing up reinforcement learning

用途: 強化学習用ライブラリ
難易度: Easy
コスト: Medium

RLinf — RLinf: Reinforcement Learning Infrastructure for Embodied and Agentic AI

この研究では、弾性シミュレーションに基づいて、エピソード間の状態を保つために、リプラスの重みと、エピソードの初期状態を用いました。

用途: 弾性シミュレーション
難易度: Easy
コスト: Medium

Topological Neural Operators

この研究では、トポロジカルニューラルオペレータ（TNO）としてのニューラルネットワークの学習を可能にする方法を提案しました。TNOは、セル複素上のデータに基づいて、オペレータを学習し、クロス-次元的な結合を可能にします。

用途: トポロジカルニューラルオペレーターの学習
難易度: Hard
コスト: Medium

Learning to Attack and Defend: Adaptive Red Teaming of Language Models via GRPO

AIリードチームは、進化する攻撃者と防御者に対処するために、継続的対応が必要です。強化学習を使うと、新しい攻撃を探し出すことができ、同時に強化学習を使って防御を強化することもできます。新しいフレームワークAdvGRPOは

用途: 攻撃の応答
難易度: Hard
コスト: High

Loss-Guided Adaptive Scale Refinement for Molecular Force Prediction

結合作用を考慮した分子力の予測を研究。モデルの推論を効率化するために、モデルのスケールを自動的に調整する方法を提案した。

強化学習方策勾配 (PPO / A3C)埋め込み

用途: 結合作用を考慮した分子力の予測
難易度: Hard
コスト: Low

Counterfactual Transport Flows for Offline Conservative Trajectory Refinement

Offline reinforcement learning (RL) offers a path to policy improvement from logged data alone, using historic

説明可能強化学習方策勾配 (PPO / A3C)

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

A Unifying Lens on Reward Uncertainty in RLHF

Reinforcement learning from human feedback (RLHF) is bottlenecked by \emph{reward hacking}, where the policy e

品質予測/異常検知強化学習RLHF

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Multi-Armed Bandits with Arriving Arms: Sequential Screening, Dynamic Regret, and Sublinear Guarantees

分析モデルを新しいアームが現れる環境でアップデートすることで、最適なアームを選択できるようになります。

用途: 分析モデル更新の最適化
難易度: Hard
コスト: Medium

arxivGitHubあり2026-06-08

Collaborative Human-Agent Protocol (CHAP)

この論文では、人機協力における分散型コミュニティを考慮するために、新しいフレームワークを提案する。これにより、分散型人機協力がより効果的に設計できる。

強化学習マルチエージェント生成

用途: 分散型人機協力
難易度: Hard
コスト: Medium

Shape Formation for the Cooperative Transportation of Arbitrary Objects Using Multi-Agent Reinforcement Learning

マルチロボットシステムを用いた物体の輸送は多くの分野、産業から家庭までで不可欠なタスクです。一度の輸送タスクをロボット数台の輸送タスクに分割しそこまでの各タスクを個別に解決します。物体は実際には形状や質量分布が非一様で、

用途: マルチロボットで物体の協力的な輸送
難易度: Hard
コスト: Medium

強化学習方策勾配 (PPO / A3C)画像テキスト

arxivGitHubあり2026-06-08

PhysScene: A Scene Graph Dataset for Scientific Visual Reasoning in Physics Experiments

Scene Graphs (SGs) provide structured representations of visual scenes by modeling objects and their pairwise

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Autonomous Incident Resolution at Hyperscale: An Agentic AI Architecture for Network Operations

CloudNetwork Infrastructureの自動的なインシデント解決のため、新しいAgentic AI Architectureを提案。

用途: 自動的なインシデント解決
難易度: Hard
コスト: Medium

強化学習方策勾配 (PPO / A3C)生成要約検索

Report on CHIIR 2026 Workshop on Generative AI and Academic Search (GAI&AS)

This report summarizes the CHIIR 2026 Workshop on Generative AI and Academic Search (GAI\&AS), which examined

用途: 生成
難易度: Hard
コスト: Low

Modeling Components and Connections in Cyber-Physical Systems

Text based configuration files for cyber-physical systems show the hierarchy of component modules well but oft

強化学習モデルベース画像テキスト

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Physics-Aware Sparse Learning and Selective Online Adaptation for Euler-Lagrange Robot Dynamics

Accurate dynamics models are essential for model-based robotic control, yet nominal Euler--Lagrange models oft

強化学習モデルベース回帰

用途: 回帰
難易度: Hard
コスト: Medium

$ω$-EVA: Envision, Verify, and Act with Latent Interactive World Models

Embodied policies typically map current observations directly to actions, leaving candidate-action consequence

強化学習モデルベース生成画像動画

用途: 生成
難易度: Hard
コスト: High

RPO-PDT: Demonstrating Role-Play-Based Knowledge Adaptation for Student Support Dialogue (Demonstration System)

We present RPO-PDT: a retrieval-grounded, role-play-based dialogue system for adaptive student support in high

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Low

Can we stabilize an inverted pendulum with feedback from a time-of-flight camera?

Time-of-flight cameras are popular in robotics for providing direct depth information while being compact, ine

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

説明可能品質予測/異常検知強化学習モデルフリー (DQN / SAC)

arxivGitHubあり2026-06-07

Scaling Decision-Focused Learning to Large Problems with Lagrangian Decomposition

Decision-focused learning has shown great promise for addressing predict-then-optimize problems, particularly

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

A Switching Beamformer for Highly Non-Stationary Environments

Adaptive beamforming is a cornerstone of array signal processing, yet its performance often collapses in the f

強化学習マルチエージェント検出

用途: 検出
難易度: Hard
コスト: Medium

品質予測/異常検知強化学習方策勾配 (PPO / A3C)検出

AI-Augmented Closed-Loop Quality Engineering: A Reference Architecture for Continuous Software Quality Intelligence

The quality of software engineering is still under a challenge due to disjointed processes between requirement

用途: 検出
難易度: Hard
コスト: Medium

Safe, Fluent and Acceptable Motion Generation and Execution for Human--Robot Interaction in Manufacturing Environments

Robots operating in human environments must not only ensure physical safety but also exhibit behaviors that ar

品質予測/異常検知強化学習生成テキスト

用途: 生成
難易度: Hard
コスト: Medium

EFX for Additive Chores: Nonexistence, Pareto Incompatibility, and Bi-Valued Existence

We consider the fair division problem of indivisible chores and resolve the long-standing open problem for the

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

説明可能品質予測/異常検知強化学習方策勾配 (PPO / A3C)

Barycentric Projections of Optimal Transport Plans on Riemannian Manifolds

Optimal transport couplings are probabilistic objects, while many learning pipelines require deterministic map

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Disturbance-Aware Aerial Robotics for Ethical Wildlife Monitoring

Reliable wildlife monitoring is essential for ecology and conservation, yet many existing methods, such as tag

品質予測/異常検知強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

MI向きセンサ/時系列強化学習方策勾配 (PPO / A3C)検出

Vision-Guided Dual-Arm Humanoid Robotic Disassembly of End-of-Life 18650 Lithium-ion Battery Packs

The growing volume of retired lithium-ion battery packs from electric vehicles and portable electronics calls

用途: 検出
難易度: Hard
コスト: Medium

Cybernetic Android Avatar "Yui": System Integration, Field Deployment, and Evaluation

Remote communication technologies have become widely used; however, supporting a sense of shared physical spac

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

githubGitHubあり2026-06-06

Awesome-Process-Reward-Models — A comprehensive collection of process reward models.

医療では、イメージャは単に画像を解釈するのではなく、複数の画像を比較して診断を行うことが多い。しかし、現在の技術ではこのような比較を行うことは困難であるため、メドリコのDBというデータセットを利用することで、医療の比較推

強化学習RLHF

用途: 医療における画像の比較
難易度: Easy
コスト: Medium

Partially Performative Prediction

Performative prediction studies feedback loops that arise when predictive models are deployed in consequential

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

説明可能MI向きセンサ/時系列強化学習方策勾配 (PPO / A3C)画像

Instrumented data for causal scientific machine learning

Scientific machine learning is limited less by model size than by the data it is trained on. Observational dat

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Automatic, Debiased, and Invariant Counterfactual Generation under General Interventions

Generative models for counterfactual outcomesは、決定をサポートするために複雑な干渉に対して、潜在的な結果を生成するための優れたポテンシャルを持っています。しかし、対象外データ

強化学習方策勾配 (PPO / A3C)生成回帰

用途: 再現性の低いデータに対して対象外データの生成
難易度: Hard
コスト: Medium

Affordance-Based Hierarchical Reinforcement Learning for Quadruped Pedipulation

The object manipulation capabilities of quadruped robots is an open research challenge. While previous studies

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

On orbital stabilization of a circular motion primitive for a dynamic extension of the Dubins car model

この論文では、Dubins車モデルの動的拡張に基づく円形運動原理の軌道安定化を扱った。軌道安定化を実現するために、非線形化の手法とコントローラ設計の条件を提案し、非線形化の手法が安定化につながることを確認した。

用途: 軌道安定化の開発
難易度: Hard
コスト: Medium

Re-imagining ISO 26262 in the Age of Autonomous Vehicles: Enhancing Controllability through Transferability and Predictability

The ISO 26262 standard defines functional safety for road vehicles through risk assessments based on Severity,

用途: 自律走行車の安全性を向上させる
難易度: Hard
コスト: Medium

Simulation-Driven Imitation Learning for Biosignals-Free Shared-Autonomy Prosthetic Grasping

この論文では、上肢義手の操業を可能にするビオシグナルなしの制御システムを提案した。IMITATION LEARNINGを用い、シミュレーションを用いて、達成可能な範囲を拡大した。

強化学習生成

用途: ビオシグナルなしで上肢義手の操業を可能にする制御システム
難易度: Hard
コスト: High

An Abstract Architecture for Explainable Autonomy in Hazardous Environments

この論文は、人間の労働者が自律ロボットを使用および制御できる自律ロボットの開発を取り巻く説明を検討します。自律ロボットは危険な状況で人間の労働者を保護することができますが、これらのシステムの信頼される操作を可能にするため

説明可能強化学習方策勾配 (PPO / A3C)

用途: 危険環境でのロボットの自律性
難易度: Hard
コスト: Medium

説明可能品質予測/異常検知強化学習方策勾配 (PPO / A3C)

Predictive Style Matching: Natural and Robust Humanoid Locomotion

Reinforcement learning has become the prevailing approach to humanoid locomotion control: policies transfer re

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Mission-Level Runtime Assurance Framework for Autonomous Driving

This paper studies runtime safety for autonomous driving when high-level driving commands become faulty or unr

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

STRIPS-WM: Learning Grounded Propositional STRIPS-style World Models from Images

Robots performing long-horizon visual manipulation observe high-dimensional images, but successful plans depen

強化学習モデルベース画像

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Adverse Effects of V2V Adoption on Road Safety

Vehicle-to-vehicle (V2V) communication is expected to improve road safety and reduce congestion. However, prio

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Modelling Opinion Dynamics at Scale with Deep MARL

Modelling opinion dynamics typically relies on hand-crafted local interaction rules to study emergent macrosco

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

No, Cake Cutting Really is a Piece of Cake

We design and analyze a deterministic cake cutting algorithm that achieves proportional fairness using a linea

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

huggingfaceHugging Faceあり2026-06-05

DuMate-DeepResearch: An Auditable Multi-Agent System with Recursive Search and Rubric-Grounded Reasoning

Deep Research (DR) has emerged as a new agentic paradigm to tackle complex, open-ended research tasks, demandi

品質予測/異常検知強化学習マルチエージェント生成

用途: 生成
難易度: Easy
コスト: Low

CPUで試しやすい強化学習方策勾配 (PPO / A3C)回帰テキスト

arxivGitHubあり2026-06-04

TorchKM: A GPU-Oriented Library for Kernel Learning and Model Selection

TorchKM is an open-source library for kernel machines, including support vector machines, kernel logistic regr

用途: 回帰
難易度: Hard
コスト: High

Conformal Risk Sharing: Certified Cost Allocation with Participation Guarantees

負のイベントのリスクを受け流すことで個人が極端な負担にならないように、各参加者に信用できる負担金の上限を提供する仕組みを作ります。

説明可能強化学習マルチエージェント

用途: 金融上のリスク共有
難易度: Hard
コスト: High

説明可能強化学習モデルフリー (DQN / SAC)

EML-CD: Causal Mechanism Recovery via EML Symbolic Trees in Structure Learning

Neural network (NN)-based nonlinear causal discovery methods recover DAG structure but leave each causal mecha

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Emergent Language as an Approach to Conscious AI

The question of whether artificial systems can be conscious remains open, in part because existing approaches

強化学習マルチエージェント検出生成テキスト

用途: 検出
難易度: Hard
コスト: Medium

Gotta Grow Fast: Design and Benchmarking of a Tip Mount for High-Speed Vine Robots

vineロボットが増長する度に、センサやツールをマウントすることが課題。

センサ/時系列品質予測/異常検知強化学習

用途: vineロボット用センサーモンタリング
難易度: Hard
コスト: Medium

Merging model-based control with multi-agent reinforcement learning for multi-agent cooperative teaming strategies

この研究では、協力的なチーム内における安全な行動の実行を可能にするフレームワークを提案します。これは、行動が動的制約にも合わずに、安全かつ機能する結果を生み出すことを保証しています。

用途: 協力的なチーム内における安全な行動の実行
難易度: Hard
コスト: Medium

N-Player Binary Games with Unidirectional Dependencies: Cycle Robustness and Induced Indifference

The present study provides a closed-form characterisation of Nash equilibria in N-player binary games with uni

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Simultaneous EF1 and approximate MMS allocations for submodular valuations

この研究では、エネルギー効率の良い空間モデルを構築した。

用途: エネルギー効率の良い空間モデル
難易度: Hard
コスト: Medium

A Unified Framework for Uniform-Price Resource Allocation Mechanisms

共同作業を効率化するための空

用途: 共同作業を効率化するための空間モデル
難易度: Hard
コスト: Medium

Metric Facility Assignment with Partial Information

この研究では、部品割当における完全情報の限られた条件で最適割当を実現する方法を提案します。

用途: 設備の割当
難易度: Hard
コスト: Medium

Online Min-Cost Matching with General Arrivals

In the classic online min-cost matching problem, the goal is to match a sequence of requests that arrive dynam

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Multi-Column RBF Neural Network Using Adaptive and Non-Adaptive Particle Swarm Optimization

ラジアル基底関数ニューラルネットをトレーニングするために、パートクレ-swarm最適化を使用する方法を提案する。

用途: RBFニューラルネットのトレーニング
難易度: Hard
コスト: High

Bitcoin After Block Rewards

Bitcoin's block reward is scheduled to decline to zero, raising concerns about whether the network can remain

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Welfare Maximization in Bilateral Trade: Improved Approximation Guarantees Beyond the Fixed Price Barrier

We study the setting of welfare maximization in bilateral trade, where the values of both the buyer and the se

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Extending the El Farol Bar Game with Partial Observability and Incentive Design

The El Farol Bar game is a classic model of coordination under uncertainty, traditionally treating the venue a

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

huggingfaceHugging Faceあり2026-06-03

Audio Interaction Model

Audio is an inherently interactive modality, yet today's Large Audio Language Models (LALMs) are offline, and

強化学習マルチエージェントテキスト音声

用途: 技術検証・論文読解補助
難易度: Easy
コスト: High

githubGitHubあり2026-06-03

dm_control — Google DeepMind's software stack for physics-based simulation and Reinforcement Learning environments, using MuJoCo.

物理ベースのシミュレーションおよびロールアウト学習環境を提供するツールです。

用途: セルフモデリング環境
難易度: Easy
コスト: Medium

arxivPaper only2026-06-02

What Makes Majority Illusion Easy to Detect?

Majority illusion is an undesirable phenomenon in social networks in which agents incorrectly perceive a minor

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-06-02

Reserve Depletion and Security Runway in Proof-of-Stake Systems

Many proof-of-stake protocols finance validator rewards from two sources: transaction fees and a finite reserv

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-06-02

Competitive Information Design in Sequential Search

Advertisements often strategically disclose information to consumers who make decisions on further information

品質予測/異常検知強化学習マルチエージェント

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-06-01

Minimax-Optimal Policy Regret in Partially Observable Markov Games

We study sequential decision-making in partially observable environments against strategic, adaptive opponents

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-06-01

Bayesian meta-learning for modeling Alzheimer's disease progression

Predicting whether an individual with Alzheimer's disease will experience mild or severe disease progression i

強化学習マルチエージェント回帰

用途: 回帰
難易度: Hard
コスト: High

arxivPaper only2026-06-01

State-Coupled Volatility in Latent Dynamical Systems: Recovery Under Partial Observation

Latent state-space models are widely used to study partially observed dynamical systems, yet most formulations

強化学習マルチエージェント検出

用途: 検出
難易度: Hard
コスト: Medium

Computation-Aware Kalman Filtering with Model Selection for Neural Dynamics

Due to their explicit priors and ability to model uncertainty, Bayesian methods have played a major role in dy

用途: 技術検証・論文読解補助
難易度: Hard
コスト: High

Limit Continuous Poker: A Variant of Continuous Poker with Limited Bet Sizes

We introduce and analyze Limit Continuous Poker, a variant of Von Neumann's Continuous Poker with variable but

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Fairness in two-player zero-sum games with bandit feedback

We study two-player zero-sum games (TPZSGs) with bandit feedback under fairness constraints requiring every ac

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Hardness of Approximate Hylland-Zeckhauser Equilibria

In this paper, we investigate the computational hardness of finding fractional allocations to unit-demand play

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Developing a novel Comorbidities Index for predicting 10-year mortality in Prostate Cancer patients: A computational data-driven approach

The Charlson Comorbidities Index (CCI) is a weighted additive index widely used to estimate ten-year mortality

説明可能強化学習マルチエージェント回帰

用途: 回帰
難易度: Hard
コスト: Medium

Envy Cycle Elimination with Strategic Agents: Best Responses and Fairness Guarantees

With strong evidence in the literature showing that fairness and truthfulness are incompatible, there is a rec

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Comparing Market Mechanism Efficiencies

We develop a game-theoretic framework that compares welfare efficiency across three market mechanisms: continu

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Learning to Bid in FCR Markets: A Best-of-Both-Worlds Approach

Bidding in the European Frequency Containment Reserve (FCR) market is challenging for flexibility providers be

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Model Monotonicity in Autobidding Auctions: When Do Better Predictions Lead to Better Outcomes?

Online advertising platforms rely on machine learning models to predict click-through rates (pCTR) and convers

品質予測/異常検知強化学習

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-28

Evolving Features vs Evolving Entire Trees with GP for Interpretable Survival Analysis

可視化可能な生存分析を行うために、Survival Treesを提案する。

説明可能強化学習マルチエージェント

用途: 可視化可能な生存分析
難易度: Hard
コスト: Medium

arxivPaper only2026-05-27

Adaptive Bandit Algorithms for Contextual Matching Markets

We study bandit learning in matching markets, where players and arms constitute the two market sides, and the

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-26

Improved Hardness Results for Nash Social Welfare, Budgeted Allocation and GAP via the Unique Games Conjecture

We consider the problem of dividing a set of indivisible goods among agents with additive valuations. This pro

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-26

Proper Calibeating

The classic concept of "calibrated forecasts" and its more recent refinement, "calibeating," are defined with

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

githubGitHubあり2026-05-26

Book-Mathematical-Foundation-of-Reinforcement-Learning — This is the homepage of a new book entitled "Mathematical Foundations of Reinforcement Learning."

Mathematical Foundations of Reinforcement Learningは、ディープラーニングにおける推論力学習の数学的基礎を網羅している。

用途: ディープラーニングに関する本書の制作
難易度: Easy
コスト: Medium

githubGitHubあり2026-05-26

deep-rl-class — This repo contains the Hugging Face Deep Reinforcement Learning Course.

強化学習に関する学習教室を提供するリポジトリです。

用途: 強化学習教室
難易度: Easy
コスト: Medium

arxivPaper only2026-05-25

The Behavioral Credibility Trilemma: When Calibrated Autonomy Becomes Impossible

We prove that no reinforcement learning policy with confidence-gated autonomy can simultaneously achieve maxim

強化学習検出

用途: 検出
難易度: Hard
コスト: Medium

arxivPaper only2026-05-23

Facility Location Mechanism Design: Breaking The Deterministic Barrier

We study the facility location mechanism design problem where $n$ agents report their locations in Euclidean s

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

githubGitHubあり2026-05-23

open_spiel — OpenSpiel is a collection of environments and algorithms for research in general reinforcement learning and search/planning in games.

ゲームの一般的な強化学習用エンドポインティであるEnvironmentおよびアルゴリズムの集合。

用途: ゲームの一般的な強化学習用エンドポインティ
難易度: Easy
コスト: Medium

arxivPaper only2026-05-22

Super Condorcet Winners and Limit Coalitional Manipulability of IRV

単一候補者の選挙結果の正当性を確立するために、投票結果が多数決規則に基づく選挙結果とはどのように関連しているかを研究します。ここでは、複数候補者の選挙において選挙結果の正当性が確立されていく過程について、多数決規則から選

用途: 協力的な投票決定に不可欠な複数候補者に対する選挙結果の正当性
難易度: Hard
コスト: Medium

arxivPaper only2026-05-22

Deception and Counter Deception in Adversarial Graph Traversal Game

この研究では、拝視を行うために行動するエージェントを欺いたり、欺き返したりするゲームを研究します。このゲームでは、エージェントは目標に到達するために最小コストで移動したいと考えていますが、拝視者はエージェントの行動に影響

用途: 拝視を行うために行動するエージェントを欺いたり、欺き返したりするゲーム
難易度: Hard
コスト: Medium

arxivPaper only2026-05-21

A Generalized Nash Equilibrium-Seeking Scheme for Trauma Resuscitation

Trauma resuscitation is a clinical process for treating life-threatening physiological disorders in safety-cri

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-21

Multi-Winner Voting Games in TU and NTU: When is the Core Always Non-Empty?

多勝者投票ゲームは、各候補者の承認順位を合計して、固定サイズの委員会を選択する方法です。coalitional stabilityが実現されている状況を探します。

用途: 多勝者投票ゲームを分析
難易度: Hard
コスト: Medium

arxivPaper only2026-05-21

Single-Item Auctions with a Monopolist Intermediary

中間者がオプティマルなアウクションを実現する場合の状況を調べます。中間者は価格決定に参加する参加者や買収者に情報を伝えるときに、収益の最大化を優先します。

用途: 中間者を考慮したオプティマルなアウクション
難易度: Hard
コスト: Medium

arxivPaper only2026-05-20

The Team Order Problem: Maximizing the Probability of Matching Being Large Enough

We consider a matching problem, which is meaningful in team competitions, as well as in information theory, re

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

githubGitHubあり2026-05-20

awesome-RLHF — A curated list of reinforcement learning with human feedback resources (continually updated)

人工知能による画像水印除去ツールとライブラリを提供する。

強化学習RLHF

用途: 人工知能の水印除去
難易度: Easy
コスト: Medium

From Mean-Field Limits to Semiclassical Concentration: Global Convergence of the Canonical Evolutionary Strategy

We address the issue of global convergence in stochastic continuous optimization. For that purpose, we formula

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Equilibria in Multiplayer Graph Games: An Algorithmic Study

To verify the robustness of a program or protocol, it is common in the computer science community to rely on t

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Perpetual Fully-Online Approximate Fairness

Many decision processes run for a long and unknown duration: in each round new requests arrive, an irrevocable

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Strange bifurcation diagrams

We investigate a family of one dimensional maps for which the bifurcation diagram looks differently than the u

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Competitive Search with a Faulty Satnav (GPS): When Probability Matching is Rational

A divisible treasure is located at a node $H$ of a network. From a given start node a group of $n$ Searchers e

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Correlated optimin

We extend the optimin notion of Ismail (2025) from mixed strategy profiles to correlated distributions. A corr

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Mechanism Design for Connecting Regions Under Disruptions

Man-made and natural disruptions such as planned constructions on roads, suspensions of bridges, and blocked r

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

A Tractable Class of Cooperative Games Defined by Directed Networks: Unanimity Decomposition and Shapley Value

We introduce a class of cooperative games induced by weighted directed graphs. Specifically, the coalitional v

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

Learning Empirical Evidence Equilibria under Weak Environmental Coupling

Strategic multi-agent systems are fundamentally characterized by decentralization, uncertainty, and ambiguity.

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

God numbers for Graphs, Games and Groups

We describe and axiomatize finite solitaire puzzles and zero sum sequential games graph theoretically. Zermelo

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-17

Stability and Discretization Error of State Space Model Neural Operators

Neural operators have emerged as a powerful, discretization-invariant framework for solving partial differenti

強化学習モデルベース

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-16

Improved Parallel Algorithms for EF1 Allocations

Allocating $m$ indivisible goods among $n$ agents is a fundamental task in fair division. Recent work of Garg

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-15

An Axiomatic Theory of Tie-Breaking: Impossibility, Characterization, and Decomposition

We develop an abstract axiomatic theory of tie-breaking. A tie-breaking input consists of a finite set N of pl

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-14

When Individually Calibrated Models Become Collectively Miscalibrated

Probabilistic prediction systems often aggregate probability estimates from multiple models into a single deci

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-13

Extended Scenario Bundle Analysis: A Formal Framework for Strategic Scenario Modeling

Strategic crisis analysis needs representations that combine qualitative expert judgement, explicit interdepen

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-13

The fitness landscape of social norms in social dilemmas

By specifying behaviour across multiple agents, social norms are a coordination approach to resolving social d

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-12

Towards Affordable Energy: A Gymnasium Environment for Electric Utility Demand-Response Programs

Towards Affordable Energyは、電力需要応答プログラムの最適化に役立つアルゴリズムを紹介する研究である。

用途: 電力需要応答プログラムの最適化
難易度: Hard
コスト: Medium

arxivPaper only2026-05-12

Position Auctions with a Capacity Constraint

Sponsored search auctions are commonly modeled as an assignment of a fixed set of slots (positions) to a set o

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium

arxivPaper only2026-05-11

Optimal Interventions on the Linear Threshold Model in Large-Scale Networks

We study an optimal intervention problem on the linear threshold model (LTM) in which a social planner aims to

用途: 技術検証・論文読解補助
難易度: Hard
コスト: Medium