tỷ lệ kèo bóng đá trực tuyến Lab, bài viết chính được chấp nhận tại AAMAS 2025, một hội nghị hàng đầu trong lĩnh vực đa tác nhân

CyberAgent Co, Ltd (Trụ sở chính: Shibuya-ku, Tokyo, Giám đốc đại diện: Susumu Fujita, TSE Prime Market: Mã chứng khoán: 4751) đã thông báo rằng bài viết chính của Yumasa Fujimoto, Kaito Ariu, Kenyuki Abe và những người khác thuộc tỷ lệ kèo bóng đá trực tuyến Lab, một tổ chức nghiên cứu và phát triển công nghệ trí tuệ nhân tạo, sẽ được xuất bản tại AAMAS, một hội nghị hàng đầu trong lĩnh vực đa tác nhân Chúng tôi vui mừng thông báo với bạn rằng dự án của chúng tôi đã được chọn cho ``2025''*1

``AAMAS'' là hội nghị quốc tế khó nhất trong lĩnh vực đại lý tự trị và hệ thống đa tác nhân, đồng thời là một trong những hội nghị uy tín hàng đầu Bài báo được chấp nhận gần đây đã được chọn là “Full Paper” (có phần trình bày miệng), được coi là khó chấp nhận nhất và sẽ được trình bày tại “AAMAS 2025” được tổ chức tại Detroit, Mỹ vào tháng 5 năm 2025※1

Ngoài ra, hai bài báo của tỷ lệ kèo bóng đá trực tuyến Lab sẽ được xuất bản trong khung “tóm tắt mở rộng” tại “AAMAS 2025”※đã được thông qua

※
「」
Tác giả: Yumasa Fujimoto, Kaito Ariu, Kenyuki Abe (CyberAgent tỷ lệ kèo bóng đá trực tuyến Lab)
「」
Tác giả: Giáo sư Haris Aziz (Đại học New South Wales), Ông Xin Huang (Đại học Kyushu), Phó Giáo sư Takeshi Kimura (Đại học Kyushu), Ông Indrajit Saha (Đại học Kyushu), Zhaohong Son (Phòng thí nghiệm CyberAgent tỷ lệ kèo bóng đá trực tuyến), Ông Mashbat Suzuki (Đại học New South Wales), Giáo sư Makoto Yokoo (Đại học Kyushu)

■Bối cảnh của bài báo

Trong những năm gần đây, việc tự động hóa việc ra quyết định bằng cách sử dụng máy học đã đóng một vai trò quan trọng trong nhiều dịch vụ web khác nhau, bao gồm cả việc phân phối quảng cáo trên Internet
Ví dụ: trong đấu giá quảng cáo trên Internet, có những trường hợp tồn tại nhiều mô hình ra quyết định, không chỉ mô hình của riêng bạn mà còn mô hình của các công ty khác xác định số tiền giá thầu một cách độc lập Vấn đề học nhiều mô hình như thế này được gọi là "học trong môi trường đa tác nhân" Học đa tác nhân liên quan đến nhiều vấn đề nghiên cứu khác nhau không phát sinh khi đào tạo một tác nhân duy nhất
Công ty chúng tôi đã có những đóng góp tích cực về mặt học thuật cho lĩnh vực này, bao gồm việc trình bày tại các hội nghị quốc tế uy tín như "AAMAS 2021", "UAI 2022", "AISTATS 2023", "IJCAI 2023", "AAAI 2024", "ICML 2024" và "AAAI 2025"

Bài viết được chấp nhận lần này”'', chúng tôi đã xử lý một tình huống trong học tập đa tác nhân trong đó chỉ có một tác nhân có ``bộ nhớ'' ghi nhớ các hành động trong quá khứ của tác nhân kia khi quyết định hành động tiếp theo [Hình] Bộ nhớ cho phép các tác nhân đưa ra các quyết định phức tạp và linh hoạt hơn Mặt khác, trí nhớ được biết là làm phức tạp hành vi học tập của tác nhân và gây khó khăn cho việc dự đoán hành vi của nó trên toàn cầu

Một trong những thách thức của việc học tập đa tác nhân là đạt được trạng thái tối ưu cho tất cả các tác nhân Trong các tình huống mà một tác nhân có trí nhớ, không thể dự đoán được hành vi học tập tổng thể, do đó, một câu hỏi mở là liệu trạng thái tối ưu này có thể đạt được từ bất kỳ trạng thái nào hay không

Nghiên cứu này đã phân tích hành vi học tập toàn cầu giữa các tác nhân có bộ nhớ không đối xứng Kết quả là, chúng tôi đã chỉ ra rằng các đặc vụ có trí nhớ học cách liên tục khai thác đối thủ mà không có trí nhớ [Hình] Chúng tôi cũng chỉ ra rằng nếu quá trình khai thác này tiến triển đủ, đối thủ không có bộ nhớ có thể đạt đến trạng thái tối ưu được mô tả ở trên [Hình]

◾︎Tương lai
Nghiên cứu này cho thấy bộ nhớ có thể được sử dụng như một phương pháp để rút ra trạng thái tối ưu cho các tác nhân Kết quả nghiên cứu này dự kiến ​​sẽ được áp dụng cho các thuật toán đặt giá thầu tự động và tỷ lệ kèo bóng đá trực tuyến của trò chơi trong tương lai
"Phòng thí nghiệm tỷ lệ kèo bóng đá trực tuyến" sẽ tiếp tục kết hợp công nghệ tỷ lệ kèo bóng đá trực tuyến vào các sản phẩm để giải quyết các vấn đề tiếp thị và sẽ tiếp tục nỗ lực nghiên cứu và phát triển nhằm đóng góp cho sự phát triển công nghệ và học thuật


※1