Paper List
-
Evolutionarily Stable Stackelberg Equilibrium
通过要求追随者策略对突变入侵具有鲁棒性，弥合了斯塔克尔伯格领导力模型与演化稳定性之间的鸿沟。
-
Recovering Sparse Neural Connectivity from Partial Measurements: A Covariance-Based Approach with Granger-Causality Refinement
通过跨多个实验会话累积协方差统计，实现从部分记录到完整神经连接性的重建。
-
Atomic Trajectory Modeling with State Space Models for Biomolecular Dynamics
ATMOS通过提供一个基于SSM的高效框架，用于生物分子的原子级轨迹生成，弥合了计算昂贵的MD模拟与时间受限的深度生成模型之间的差距。
-
Slow evolution towards generalism in a model of variable dietary range
通过证明是种群统计噪声（而非确定性动力学）驱动了模式形成和泛化食性的演化，解决了间接竞争下物种形成的悖论。
-
Grounded Multimodal Retrieval-Augmented Drafting of Radiology Impressions Using Case-Based Similarity Search
通过将印象草稿基于检索到的历史病例，并采用明确引用和基于置信度的拒绝机制，解决放射学报告生成中的幻觉问题。
-
Unified Policy–Value Decomposition for Rapid Adaptation
通过双线性分解在策略和价值函数之间共享低维目标嵌入，实现对新颖任务的零样本适应。
-
Mathematical Modeling of Cancer–Bacterial Therapy: Analysis and Numerical Simulation via Physics-Informed Neural Networks
提供了一个严格的、无网格的PINN框架，用于模拟和分析细菌癌症疗法中复杂的、空间异质的相互作用。
-
Sample-Efficient Adaptation of Drug-Response Models to Patient Tumors under Strong Biological Domain Shift
通过从无标记分子谱中学习可迁移表征，利用最少的临床数据实现患者药物反应的有效预测。
演化稳定斯塔克尔伯格均衡
Ganzfried Research
30秒速读
IN SHORT: 通过要求追随者策略对突变入侵具有鲁棒性，弥合了斯塔克尔伯格领导力模型与演化稳定性之间的鸿沟。
核心创新
- Methodology Introduces the first formal integration of Stackelberg equilibrium with evolutionary stability, creating the SESS concept.
- Methodology Develops computational algorithms for both discrete normal-form games and continuous-trait games, enabling practical application.
- Biology Provides a natural framework for modeling asymmetric interactions in biological systems, such as physician-cancer cell dynamics in treatment optimization.
主要结论
- SESS框架通过将追随者响应限制为演化稳定策略（ESS），成功精炼了斯塔克尔伯格均衡，确保了对突变入侵的鲁棒性。
- 计算复杂性分析表明，确定ESS存在性是Σ₂ᴾ完全的，比计算纳什均衡要困难得多，凸显了稳定性保证的附加价值。
- 该模型为癌症治疗优化提供了直接且自然的应用，其中医生（主导者）针对稳定演化的癌细胞表型群体（追随者）优化治疗方案。
摘要: 我们提出了一种新的解概念，称为演化稳定斯塔克尔伯格均衡（SESS）。我们研究了斯塔克尔伯格演化博弈场景，其中存在一个单一的主导玩家和一个对称的追随者群体。主导玩家选择最优混合策略，预期追随者群体在诱导的子博弈中采用演化稳定策略（ESS），并可能满足额外的生态条件。我们考虑了ESS中的主导者最优和追随者最优选择，它们作为我们框架的特殊情况出现。先前处理斯塔克尔伯格演化博弈的方法要么通过演化动力学定义追随者响应，要么假设理性最佳响应行为，而没有明确强制执行对突变入侵的稳定性。我们提出了在离散和连续博弈中计算SESS的算法，并对后者进行了实证验证。我们的模型自然适用于生物学场景；例如，在癌症治疗中，主导者代表医生，追随者对应于竞争的癌细胞表型。