求解器會改變納許均衡

這篇論文指出，在多重納許均衡的零和博弈裡，不同求解器不只會收斂，還會系統性挑不同的均衡。

• 研究機構：arXiv 摘要未明確標註
• 核心數據：摘要無公開 benchmark 數字
• 突破點：求解器決定均衡選擇

這不是在講「有沒有解」，而是在講「同樣都找到解，為什麼結果會不一樣」。對零和博弈來說，這個差異很重要。因為當 Nash equilibrium 不是唯一值，而是一整個可行集合時，求解器的選擇本身就會變成系統行為的一部分。

論文 Which Nash Equilibrium? Solver-Dependent Selection on Zero-Sum Nash Polytopes 直接切進這個痛點。作者關心的是：標準求解器到底只是「找到某個均衡」，還是會根據演算法不同，穩定地偏向 Nash 多面體中的某一塊？

這個問題為什麼值得看

如果一個博弈只有唯一均衡，求解器的角色很單純，就是把答案算出來。但只要均衡不是單點，而是一整個 polytope，演算法就有空間做選擇。這種選擇不一定顯眼，卻可能改變你最後部署的策略、對手假設，以及在面對次佳對手時的實際表現。

這篇論文把焦點放在 solver selection，而不是 seed selection。差別在於：如果差異只是隨機初始化造成的，那多跑幾次也許會平均掉；但如果差異是演算法本身造成的，那求解器就不只是工具，而是策略定義的一部分。

作者用的是一組 tabular、而且可以精確求解的測試環境，共六個已知 Nash set 的遊戲。這裡面包含一個二維 Nash polytope 與 Kuhn poker。也就是說，作者不是在猜答案，而是拿有 ground truth 的案例去看不同方法到底會落在哪個均衡上。

方法怎麼做

整體設計很乾脆：把幾種常見求解器放到已知 Nash set 的博弈上比一比，然後直接看它們最後選到哪個均衡。因為這些遊戲是 tabular，而且均衡集合可精確描述，所以可以清楚檢查每個方法收斂到 Nash polytope 的哪個位置。

作者把方法分成兩大類。第一類是 regularized last-iterate 方法，例如 R-NaD 和 magnetic mirror descent。第二類是 regret-averaging 方法，例如 CFR、CFR+ 和 fictitious play。接著就看，這些方法是收斂到同一個點，還是會在同一個 Nash set 裡偏向不同區域。

論文的核心觀察是：最後選到的均衡，不是 seed 決定，而是 algorithm 決定。這代表不是單純的隨機性在作怪，而是求解器 dynamics 本身在推動結果。作者也指出，這種選擇效應只在 asymmetric Nash sets 上明顯，暗示對稱性可能會削弱或掩蓋這種偏好。

對 regularized methods 來說，結果特別一致。R-NaD 和 magnetic mirror descent 會選到 Nash set 中的 maximum-entropy 成員，作者把它描述為 uniform reference 對 Nash set 的 information projection。在那個二維 polytope 上，這個現象是精確成立的；在 Kuhn poker 裡，則達到最大熵的 99.7%。

regret-averaging methods 的走向則不同。CFR、CFR+ 和 fictitious play 會往較低熵的 face 靠近，而不是停在 maximum-entropy 的那個點。換句話說，兩類方法都能收斂，但它們偏好的均衡區域不一樣。

論文實際證明了什麼

作者不是只看手工設計的例子，還做了隨機化的 180 個遊戲組成的 ensemble。這裡的結果更能看出穩定性：R-NaD 在所有收斂的遊戲中都選到 maximum-entropy 成員，比例是 100%；CFR+ 則有 94% 的情況明顯低於它。作者還報告了配對 Wilcoxon 檢定，p-value 低於 10^-27。

不過，摘要也很保守地說了一件事：maximum-entropy / I-projection 的描述，目前是強烈受資料支持的 conjecture，而不是對所有 zero-sum game 都已經證完的定理。也就是說，這篇不是在宣告一個普遍數學證明，而是在已知 ground truth 的測試範圍內，提出一個高度一致的模式。

這個結果的實際意義在於：即使兩個求解器都「收斂」，也不代表它們輸出的策略可互換。對有多重均衡的博弈來說，收斂只是第一層；第二層是你到底收斂到哪個均衡。

哪些負面結果也很重要

這篇論文也修正了兩個常見直覺。第一，拿掉 CFR 的 positive-orthant projection，也就是 max(R,0)，並不會消除 boundary drift。這表示如果你原本以為 CFR 類方法會貼著 Nash set 邊界走，是因為這個 projection，那這個解釋不夠完整。

第二，R-NaD 的選擇不是完全不受初始化影響，而是 anchor-following。這是很實作導向的訊息。它暗示，看起來穩定的 maximum-entropy 趨勢，仍可能依賴方法中的 reference 或 anchor 行為，所以「有正則化」不等於「沒有路徑依賴」。

這也是研究這類博弈求解器時最容易被忽略的地方。演算法可以數值上很穩、理論上也合理，但它還是可能內建對某些均衡的偏好。對應用端來說，這種偏好會直接反映在最後策略上。

對開發者的影響

如果你在做自我對弈、策略分析，或任何會碰到 zero-sum game 的系統，這篇論文的訊息很直接：不要把 equilibrium solver 當成可互換零件。只要 Nash set 不是唯一的，演算法就可能把你帶到某個特定 face 或 point，而不是「隨便一個」均衡。

實作上，這代表幾件事。第一，要先確認你解的博弈是不是有多重均衡。第二，不要只調 hyperparameter，應該比較不同 solver family。第三，如果你的下游任務在乎保守 hedge、對次佳對手的魯棒性，或行為多樣性，就要特別注意方法是在往 maximum-entropy 解靠近，還是在往較低熵的 face 收斂。

論文沒有給出一個放諸四海皆準的「最佳求解器」答案。它給的是更實際的提醒：在多重均衡的零和博弈裡，你拿到的不是抽象上的「那個均衡」，而是「你的演算法偏好的均衡」。

可以怎麼解讀這篇結果

如果把這篇工作的價值濃縮成一句話，就是它把 solver choice 從實作細節，提升成策略設計的一部分。這在理論上看起來像是小差異，但在有 hidden information、或均衡集合本來就很大的設定裡，這個差異可能會變成實際行為差異。

對開發者來說，最值得記住的不是某個單一數字，而是這個結論：收斂不代表一致，均衡多重時尤其如此。當你看到一個求解器「已經收斂」，下一個問題應該是，它到底收斂到 Nash set 的哪裡。

這篇論文沒有把問題簡化成某種萬能解法。相反地，它把複雜性攤開來看，告訴你不同演算法會在同一個合法解集合裡做出不同選擇。這件事對研究者和工程師都很重要，因為它直接影響你對策略、對手、以及魯棒性的判讀。

• 多重 Nash 均衡時，求解器會影響最後落點。
• regularized last-iterate 與 regret-averaging 會偏向不同均衡區域。
• 對下游策略設計來說，solver choice 不是小事。