本周六下午 14:00 - 16:00，我们将在学堂 112【线下】给大家带来徐翊轩同学和陈昱蓉学姐的报告。两场报告均与博弈论相关。在两场报告之间，同学们可以吃零食 and/or 自由交流。
报告 1 摘要
徐翊轩是姚班 2020 级（计科02）本科生，他主要的研究方向是博弈论和计算经济学。本次 seminar 他将介绍他在卡内基梅隆大学春研期间关于 Learning in Games 的工作。在各种现实世界的多智能体系统中，智能体之间结盟的现象 (Coalitions) 普遍存在。例如，在拍卖系统中，竞拍者可能会组成联盟，在私下协调他们的出价，以利用拍卖机制，增加他们总体获胜的机会。对于这些多智能体系统的设计者来说，智能体之间的联盟结构 (Coalition Structures) 往往是未知的，而得知联盟结构却会为平台监管、机制设计提供方便。由此，本篇工作提出并研究了联盟结构学习 (Coalition Structure Learning) 问题。在这个问题中，我们需要设计一种算法来学习多智能体系统中客观存在，但对于算法来说未知的联盟结构。这里，算法扮演系统设计者的角色，具有为系统中的智能体设计少量博弈和观察这些博弈结果的能力。根据系统中客观存在的联盟结构，智能体可能在博弈中表现出不同的行为，因此，算法可以利用观察到的结果来推断联盟结构的有关信息。本次讲座将介绍这一问题框架下的已有成果、近期进展，以及开放性问题。
报告 2 摘要
陈昱蓉是北京大学前沿计算研究中心19级博士生，研究兴趣为机器学习与博弈论的交叉。虽然传统博弈论通常假设博弈参数部分或全部已知，或有一定的信息结构假设，然而，在现实中，这些参数往往难以直接确定，比如，效用函数通常为玩家自己的私有信息。尽管机器学习可以从数据与交互中学习这些参数，但理性的博弈玩家可以利用他们的私有信息优势，在与学习算法的交互中博弈获利。为了将机器学习和博弈论更稳健地应用于实践中，研究如何学习私有信息以及智能体如何利用其信息优势至关重要。此次报告将介绍她关于私有信息学习与操纵的一系列工作。
欢迎全体同学参加~
Make IIIS Great Again!
