Finally, we make it to AAMAS'26!
12/19 晚上接到女兒電話求援，我就馬上開車衝去台北市區，儘速把她接回家，現在還有點驚魂未定。她說她當時跟隨機殺人的歹徒同一層樓⋯還好沒事，話說她現在正在滑手機看新聞吃麥當勞。
還好沒事！其實開車去接她的時候，腦海中浮現很多災難片的場景。我也做好了可能會跟歹徒搏鬥的準備。
然後在我開車剛回到家門口時，就收到智傑傳來的訊息，我們跟柏安還有呂及人老師合作的文章⋯
人生第一篇頂會的發表。可喜可賀！眼眶頓時就濕了。
回想一年多前特地找智傑一起來搞實驗模擬，把大家湊在一起衝 SAGT, GEB, AAAI, 但接連失利。這次 AAMAS 第一輪的審查意見也只有得到 7, 4, 4。不久前，我們投稿到 AAAI ，第一輪只有拿到 6, 4, 3，連 rebuttal phase 都進不去；是說最終 AAAI-26 的 acceptance rate 也不到 18%。我們很努力地根據審查意見修改，也利用了很多 ChatGPT/Gemini 給的批評後加以修改，原本是想投期刊，但我心有不甘，時間允許之下說服大家又衝 AAMAS-26。
我想，真的是不到最後關頭不要輕言放棄。我們努力去寫 rebuttal ，唯一希望就是期盼兩位 reviewers 回心轉意。最後關頭，可能是感動了 meta reviewer，我看兩位 reviewers 始終並未完全買我們的賬，不過他們經過討論後，還是決定讓我們卡進 25-40% extended abstract 名單中，meta reviewer 說，我們的結果看起來很有前景 (promising)，要給我們有機會接受更多指教，更進一步往前推進。
#好人一生平安
#我們家小孩也是平安
#今天轉折很多
#aamas2026
Meta review:
There were some conflicting opinions among the reviewers about the paper, mainly about the motivation and modelling choices. However since the topic is highly important and relevant, and the direction seems promising, we agreed following a discussion that a poster presentation will provide the authors an opportunity to get feedback from the community and possibly improve the weaker parts in future submissions.
這篇研究結果主要是以理論的框架，探討兩個政黨以制定政策為策略的非零和賽局，在彼此對抗中尋求最大化自己支持者的期望利益。因為利益源自於政策與選民偏好向量的內積，與傳統以來以距離衡量利益的探討不太一樣，因此在 motivation 上屢次遭到質疑。
我們首先在線性計算勝率的假設基礎下，證明純納許均衡點必定存在。接著關於政策的制定，我們假設兩個政黨玩家使用機器學習演算法來對局，包含簡單的 gradient ascent，或是更進一步的 extragradient ascent，探討到近似均衡點的收斂情況。我們也探討了不同 step sizes 帶來的不同收斂情形。我們發現，雖然以現有理論基礎不能保證梯度演算法一定能收斂到均衡點，但大部分情形下都會很快收斂到一個近似均衡點。我們文章最後也提出一個簡單的近似演算法：利用切格子點方式，尋找找一個近似納許均衡點，而時間複雜度與精確度跟格子的大小成反比。
これは本当に素晴らしいです！ 很高興大家趁著這機會湊在一起，大家一起討論一起弄，最後總算有了回報！
還好沒事！其實開車去接她的時候，腦海中浮現很多災難片的場景。我也做好了可能會跟歹徒搏鬥的準備。然後在我開車剛回到家門口時，就收到智傑傳來的訊息，我們跟柏安還有呂及人老師合作的文章⋯
被接受了 (Poster) ！
人生第一篇頂會的發表。可喜可賀！眼眶頓時就濕了。
回想一年多前特地找智傑一起來搞實驗模擬，把大家湊在一起衝 SAGT, GEB, AAAI, 但接連失利。這次 AAMAS 第一輪的審查意見也只有得到 7, 4, 4。不久前，我們投稿到 AAAI ，第一輪只有拿到 6, 4, 3，連 rebuttal phase 都進不去；是說最終 AAAI-26 的 acceptance rate 也不到 18%。我們很努力地根據審查意見修改，也利用了很多 ChatGPT/Gemini 給的批評後加以修改，原本是想投期刊，但我心有不甘，時間允許之下說服大家又衝 AAMAS-26。
我想，真的是不到最後關頭不要輕言放棄。我們努力去寫 rebuttal ，唯一希望就是期盼兩位 reviewers 回心轉意。最後關頭，可能是感動了 meta reviewer，我看兩位 reviewers 始終並未完全買我們的賬，不過他們經過討論後，還是決定讓我們卡進 25-40% extended abstract 名單中，meta reviewer 說，我們的結果看起來很有前景 (promising)，要給我們有機會接受更多指教，更進一步往前推進。
#好人一生平安
#我們家小孩也是平安
#今天轉折很多
#aamas2026
Meta review:
There were some conflicting opinions among the reviewers about the paper, mainly about the motivation and modelling choices. However since the topic is highly important and relevant, and the direction seems promising, we agreed following a discussion that a poster presentation will provide the authors an opportunity to get feedback from the community and possibly improve the weaker parts in future submissions.
===========================================
我是分隔線
===========================================
我們首先在線性計算勝率的假設基礎下，證明純納許均衡點必定存在。接著關於政策的制定，我們假設兩個政黨玩家使用機器學習演算法來對局，包含簡單的 gradient ascent，或是更進一步的 extragradient ascent，探討到近似均衡點的收斂情況。我們也探討了不同 step sizes 帶來的不同收斂情形。我們發現，雖然以現有理論基礎不能保證梯度演算法一定能收斂到均衡點，但大部分情形下都會很快收斂到一個近似均衡點。我們文章最後也提出一個簡單的近似演算法：利用切格子點方式，尋找找一個近似納許均衡點，而時間複雜度與精確度跟格子的大小成反比。
これは本当に素晴らしいです！ 很高興大家趁著這機會湊在一起，大家一起討論一起弄，最後總算有了回報！
留言
張貼留言