[LG]《Provably Optimal Learning Algorithms for Assistance Games》N Ananthakrishnan, M Bedaywi, M I. Jordan, S Russell… [UC Berkeley] (2026)

在人机协作领域，如何让 AI 助手在仅能观察人类行为且目标一致但信息不对称的情况下实现最优配合，是一个悬而未决的难题。过去的方法受困于计算复杂度随策略空间指数级增长，本质原因是缺乏能同时保证计算效率与协作收敛性的理论框架。

本文的核心洞见是：把在线辅助博弈重新看作受阵列约束的在线次模函数最大化问题。由此，通过将联合策略优化还原为加权阈值势能的凸松弛，并引入具备稳定性的在线凸优化算法与自适应追踪机制，使去中心化代理在多项式时间内逼近最优协作。

这项工作真正留下的遗产是为异步信息博弈提供了首个具备可证明收敛速率的算法框架，并确立了 $1-1/e$ 这一计算不可逾越的近似界限。它为后来者打开的新门是将协作稳定性与学习自适应性解耦的分析范式，但尚未跨过的门槛是进一步压缩算法对动作空间规模的依赖。

arxiv.org/abs/2607.08012 机器学习 人工智能 论文 AI创造营