Learning in Multi-Player Games: Regret, Convergence, and Efficiency
FTL是最简单使用regret的算法（选取每次regret最大的动作），但是会出现乒乓现象；
RM则是按照regret的分布进行概率地选动作，但差的动作要是变好了不能马上反应出来；
RM+更进一步将差的（就是说累计遗憾小于0）动作当做累计遗憾为0的动作来处理，实际效果比RM好；RM+的Regret为\(\Omega(\sqrt T)\), from Regret Matching+:(In) Stability and Fast Convergence in Games
FTRL则是另一条路，给相邻时刻动作的转变加正则，这样规避了FTL的缺点；
当正则项为熵的时候，FTRL等价于著名的MWU。MWU的Regret为\(\Omega(\sqrt T)\), from Hedging in games: Faster convergence of external and swap regrets。
(Hindsight rationality, informal). The player has “learnt” to play the game when looking back at the history of play, they cannot think of any transformation \(\phi: X \to X\) of their strategies that when applied at the whole history of play would have given strictly better utility to the player. This is from MIT 6.S890 — Topics in Multiagent Learning (F23). 这实际上很像regret了。如果我们能构造相同过程：神经网络给出的解是天启，来和当前决策做比较，就能定义“希望”类似的量（hope），这样所有的regret算法就也有对应版本的hope算法。听上去好像是MPC（先做后续10步决策，但只采用1步）。参考文献：A Regret Minimization Approach to Iterative Learning Control, An Online Learning Approach to Model Predictive Control
OMD和FTRL都有predictive 版本
From Blackwell approachability algorithms to regret matching algorithms
From regret minimization algorithm to Blackwell approachability algorithms
Blackwell approachability and no-regret learning are equivalent
Connecting FTRL, OMD with RM, RM+ using Blackwell approachability algorithm
从 External Regret 到 \(\Phi\)-Regret。目前建立的联系都是 Blackwell Approachability 和 External Regret 之间的，能不能推广到 \(\Phi\)-Regret 呢？
区域 \(S\) 是不是就是均衡的范围？类似于 Is Learning in Games Good for the Learners? 的 图示。
Last-iterate 版本的 Blackwell Approachability 长啥样？目前的 Blackwell Approachability 和 Average-iterate 的收敛性有很强的关系，那么适用于 Last-iterate 的在线算法可否找到对应的 Blackwell Approachability？