Shapley Value可谓是合作博弈中最广为人知的一个解概念（solution concept）, 1953年由博弈论大师 Lloyd S. Shapley 提出，他也因卓越贡献于2012年获得诺贝尔经济学奖。 近几年 Shapley Value 在可解释性等机器学习估值问题中得到大量应用。 然而自提出七十多年以来， 人们还未曾在博弈论之外揭示它的背后动机以及算法原理。

本文作者通过能量学习的角度研究合作博弈，惊喜地发现经典博弈算法Shapley Value等都在通过变分推断（variational inference）进行玩家解耦。继续推演，可以得到一系列新的博弈论估值算法， 它们都满足基本的估值公理。这些发现继而为可解释性等机器学习中的估值问题提供了新理论新方法。

论文标题：
Energy-Based Learning for Cooperative Games, with Applications to Valuation Problems in Machine Learning
论文链接：
https://openreview.net/forum?id=xLfAgCroImw
项目主页：
https://valuationgame.github.io/

内容中包含的图片若涉及版权问题，请及时与我们联系删除