본 논문은 반복 게임에서 플레이 기록에 대응할 수 있는 적응형 상대방을 고려한 후회 최소화 문제를 연구해요. 기존 온라인 학습의 외부 후회 지표는 이러한 적응성을 제대로 반영하지 못해요.
연구진은 플레이어의 반사실적 추론을 고려하기 위해 모든 플레이어가 플레이 기록에 대응할 수 있는 게임 이론적 지표인 '반복 정책 후회(RP-후회)'를 도입했어요.
RP-후회는 기존의 후회 개념보다 강력한 비교자와 더 적은 제약 조건의 상대방을 가능하게 하며, 모든 플레이어가 이를 최소화할 때 더 나은 균형을 찾을 수 있도록 해줘요.
연구진은 RP-후회를 시간에 대해 선형으로 줄이기 위한 필요 조건을 파악하고, 비선형 전략 공간에서 RP-후회를 최소화하는 알고리즘을 제안하며, 모든 플레이어가 RP-후회를 최소화할 때 특정 반복 게임의 서브게임 완전 균형을 학습할 수 있음을 보여줘요.