博弈论 LLM-DailyDigest 2026-08-30 2026-08-30 约 100 字 预计阅读 1 分钟 博弈论 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 世界模型 2 通用决策大模型 Decitron：开放世界推演与求解闭环 09-03 NashDreamer：面向零和不完美信息博弈的模型式强化学习 09-02 主动学习 1 ATGen：面向自然语言生成的主动文本生成框架 07-01 协作博弈 1 推理腐蚀：推理语言模型成为公共产品博弈中的搭便车者 07-01 协同演化 1 计算与合作的协同演化：自创生博弈论 09-13 博弈推理 1 以玩促泛化：通过游戏学习推理 06-11 博弈智能体 4 固定搭档促使学习型定价智能体提高价格 09-30 基于 LLM 智能体与上下文赌博机的去中心化双边匹配 09-30 DipLLM：以少量数据微调大模型的外交博弈智能体框架 07-02 TextAtari：语言智能体仅用 10 万帧完成游戏学习 06-09 博弈评测 9 AAArena：评估智能体在长期博弈竞赛中的启发式学习 10-09 Game Arena：竞争环境中的大模型战略能力评测 09-28 演化稳定不等于学习可达：多智能体合作涌现研究 09-24 多智能体决策中的上下文学习：递归推理还是统计外推？ 09-17 Convention Gap：衡量合作式 AI 隐式沟通 09-11 Game Arena：以游戏评估 AI 的复杂推理与规划能力 08-07 Grok 4夺得首届大模型国际象棋对抗赛冠军 08-07 Board Game Arena：通过策略游戏评估大型语言模型的框架与基准 08-05 谷歌首届大模型对抗赛：DeepSeek、Kimi 等模型同场博弈 08-04 可信推理 1 Deposon：可审计且守恒保证的 LLM 推理路径散射层 09-09 多智能体协作风险 2 CURB：缓解重复博弈中的报复性算法合谋 09-18 忠实却合谋：思维链监控难以识别 LLM 定价智能体合谋 09-17 多智能体系统 7 序贯拍卖驱动的去中心化 LLM 工作流 10-18 公共品困境中多智能体学习驱动的空间模式形成 10-09 Stackelberg 博弈驱动的多模型协同对齐 10-01 随机环境中的多智能体协调社会法则 09-17 双层协调反思：多智能体 LLM 系统的博弈论方法 09-03 许多 LLM 比一个更实用：多智能体协作中的道德判断 07-01 从辩论到均衡：基于贝叶斯纳什均衡的信念驱动多智能体 LLM 推理 06-12 奖励机制设计 1 结果奖励驱动可泛化推理策略 12-31 定价机制 1 LLM 推理服务的默认设计与 Token 定价 08-16 心智理论 1 Decrypto：多智能体推理与心智理论基准测试 06-26 扩散模型 1 VSDD：用变分 Stackelberg 博弈学习离散扩散重写 09-30 技术趋势分析 1 无需外部数据！AI自问自答实现推理能力进化 12-31 技能演化 1 清华推出 Ctx2Skill：通过多智能体自博弈实现 Skill 自主进化 08-12 推理强化 1 SPIRAL：强化学习筛选并强化可泛化推理模式 12-31 智能体评测 2 谁在执行卡特尔？强化学习如何塑造市场中的 LLM 智能体 10-22 Wikipedia log(N) 问答博弈评测前沿模型通信效率 09-17 模型对抗 2 Grok 4晋级大模型对抗赛决赛，Gemini全军覆没 12-31 o3 以 4:0 横扫 Grok 4，夺得首届大模型对抗赛冠军 12-31 群体风险 1 Anthropic揭示多智能体协作、合谋与冲突隐患 08-16 能力迁移 1 不同游戏训练会形成专门化认知能力 12-31 自博弈 9 掼蛋自博弈中的预测—优化鸿沟 10-22 MASP：面向理性抵抗用户的心智化对抗自博弈 10-18 SPIRAL：零和游戏自对弈成为语言模型推理训练的「免费午餐」 12-31 零和博弈自对弈驱动模型自主学习推理 12-31 SPIRAL：通过多智能体多轮强化学习在零和博弈自博弈中激励推理 12-31 SPIRAL 强化学习代码仓库 12-31 以游戏自对弈筛选可泛化思维链 12-31 SQLM：非对称自我博弈框架 12-31 SPIRAL：零和博弈自博弈激发可迁移推理能力 06-30 自我提问 1 SQLM：无需外部数据的自我提问模型框架 12-31 自我改进 1 多游戏联合训练促进自主智能体技能协同 08-05 辩论式对齐 1 辩论训练减少 RLAIF 奖励作弊 08-19 默契合谋 1 AI 智能体在算法化电力市场中涌现默契合谋 08-29
