研究提出SafeAdapt-Poker预算适应算法

发生了什么

arXiv cs.LG报道，SafeAdapt-Poker将对手行为偏移下的预算适应 formulate 为双反事实序列控制问题。该控制器通过权衡即时适应价值与未来适应价值损失来选择候选偏差。在Leduc扑克测试中，完整控制器实现了+0.0718的匹配弱池收益，并将延迟机会捕获率从0.6318提升至0.7841。