深度分析
遊戲理論自由能原則 (GT‑FEP):結合變分推論、博弈均衡與熱力學的多代理框架
大型系統如何在無中心指揮下展現協同是跨領域關注的問題。本研究提出遊戲理論自由能原則,證明多代理的自由能極小化等價於隱含的隨機博弈,且其穩定點對應近似納什均衡。實驗在神經、魚群與人工多代理系統上驗證,顯示感測精度與影響力呈倒U形關係,提供可驗證的預測。
深度分析
大型系統如何在無中心指揮下展現協同是跨領域關注的問題。本研究提出遊戲理論自由能原則,證明多代理的自由能極小化等價於隱含的隨機博弈,且其穩定點對應近似納什均衡。實驗在神經、魚群與人工多代理系統上驗證,顯示感測精度與影響力呈倒U形關係,提供可驗證的預測。
深度分析
GFlowNets作為未正規化分布抽樣模型,傳統訓練以最小化對數平方差為主。研究比較四種散度度量,並設計高效梯度估計與控制變異方法。實驗證明新方法加速收斂,提升訓練效能。