非传递博弈中的策略空间多样性

基于摘要分析。本文研究多智能体非传递博弈中，如何利用策略多样性改善 Policy-Space Response Oracles（PSRO）对 Nash Equilibrium（NE）的近似。作者提出新的多样性指标，并将其作为正则项纳入 PSRO 的最佳响应求解过程，形成 Policy Space Diversity PSRO（PSD-PSRO）。 核心问题是：按既有指标衡量的策略群体更具多样性，并不必然意味着更接近 NE。作者报告在论文中证明了这一局限，并提出一个其改善能够保证 NE 近似质量提升的新指标。作者还提出仅使用状态—动作样本优化该指标的方法，并给出 PSD-PSRO 的收敛性质。指标的具体定义、保证成立的博弈条件、正则化形式及收敛假设，摘要未展开，尚需正文核对。 在实验方面，作者报告，在 single-state games、Leduc 和 Goofspiel 上，PSD-PSRO 相比所比较的先进 PSRO 变体能够产生可利用性更低的策略。摘要未提供具体数值、基线名单、采样预算或统计检验，因此无法据此判断收益幅度及计算成本；实验协议、消融及统计信息尚未验证。 该研究的主要对象是博弈求解与策略群体优化，并非状态空间序列建模或 EEG 解码。所给材料未建立这一机制与 EEG/BCI 任务之间的具体对应关系，因此不据此提出迁移效果或复现实验建议；相关 EEG 工作尚未检索确认。