Steady State Learning and Nash Equilibrium
稳态学习与纳什均衡AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究博弈学习与均衡理论，没有所列计量细分方向的直接方法证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
稳态学习与纳什均衡
- 研究问题
- 当玩家只能观察自身对局中的实际行动，并据此更新对对手策略的贝叶斯信念时，持续学习的稳态行动分布何时接近纳什均衡？
- 方法与思路
- 作者研究随机匹配、有限寿命玩家参与固定扩展式博弈的学习系统，允许稳态中持续发生信念更新，并考察寿命和耐心的作用。
- 材料陈述的贡献
- 摘要称，有限寿命允许存在持续学习的稳态；若玩家寿命较长且足够有耐心，稳态行动分布可近似纳什均衡对应的行动分布。
- 阅读关注点
- 应核对先验和可观察信息的限制、稳态分布的定义，以及寿命与耐心的极限条件、近似度量和结论是否涉及路径外策略。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要，不能推断刊本变化。摘要未列出完整条件或近似界，也不能把行动分布近似等同于信念完全正确。
原文摘要
The authors study the steady states of a system in which players learn about the strategies their opponents are playing by updating their Bayesian priors in light of their observations. Players are matched.at random to play a fixed extensive-form game and each player observes the realized actions in his own matches but not the intended off-path play of his opponents or the realized actions in other matches. Because players are assumed to live finite lives, there are steady states in which learning continually takes place. If lifetimes are long and players are very patient, the steady state distribution of actions approximates those of a Nash equilibrium. Copyright 1993 by The Econometric Society.