LLM teeb otsuseid maksimeerides oodatavat keskmist tulemust erinevate võimalike vastuste vahel.

LLM kasutab otsuste tegemisel ligikaudseid hinnanguid, et valida erinevate võimalike vastuste vahel.

LLM valib igas olukorras vastuse, mis maksimeerib tema enda tasu vastavalt fikseeritud eelistustele.

LLM-i väljund võib sõltuda sisendi sõnastusest ning sama olukord võib viia erinevate otsusteni.

See kombineerib otsingu (MCTS) ja õpitud mudeleid, kus strateegiamudel suunab otsingut ja tasumudel hindab seisude väärtust.

See kombineerib õpitud mudeleid, kus strateegiamudel valib käike ja tasumudel hindab seisude väärtust.

See kasutab otsingut Monte Carlo simulatsioonidega, kus seisude väärtus hinnatakse juhuslike simulatsioonide tulemuste keskmisena.

See kombineerib otsingu ja õpitud mudeleid, kus otsing kasutab minimaxi ja püüab mängupuu võimalikult sügavale läbi arvutada.

Mängu kohta on täielik info

Mäng on deterministlik

See ei ole minimaxi eeltingimus

Vastane on ratsionaalne

Lõpptulemuste tasusid ei ole võimalik defineerida.

Vastane ei käitu ratsionaalselt ja seetõttu ei saa minimaxi eeldusi kasutada.

Heuristilised hinnangud võimaldavad leida piisavalt hea lahenduse ilma optimaalset lahendust leidmata.

Mängupuu on nii suur, et seda ei ole võimalik lõpuni läbi arvutada.

Minimax alustab lehtedest ja liigub ülespoole, kus Min-tasemetel valitakse väikseim ja Max-tasemetel suurim väärtus.

Minimax alustab lehtedest ja liigub ülespoole, jättes alpha-beta pruning’u abil mõned harud läbi vaatamata ning arvutades väärtuse ainult allesjäänud harude põhjal.

Minimax alustab lehtedest ja liigub ülespoole, kus nii Min- kui Max-tasemetel arvutatakse väärtused võimalike tulemuste keskmisena.

Minimax alustab juurest ja liigub allapoole, kus Max-tasemetel valitakse suurim ja Min-tasemetel väikseim väärtus.

Agendid tahavad saavutada erinevaid eesmärke, kuid nende valikud mõjutavad üksteise tulemusi

Agendid tahavad saavutada sama eesmärki, kuid iga agent saab valida erineva strateegia ilma, et see mõjutaks tulemust

Agendid tahavad saavutada sama eesmärki, kuid ei tea, milline strateegia annab parima tulemuse

Agendid tahavad saavutada sama eesmärki, kuid peavad valima sama strateegia mitme võimaliku variandi seast

Strateegiate kombinatsioon, kus kõik agendid valivad sama strateegia ja saavutavad sama tulemuse

Strateegiate kombinatsioon, kus ükski agent ei saa oma tulemust parandada, muutes oma strateegiat ühepoolselt

Strateegiate kombinatsioon, kus kõik agendid saavutavad võimalikult hea ühise tulemuse

Strateegiate kombinatsioon, kus iga agent valib strateegia, mis maksimeerib tema tulemuse sõltumata teiste valikutest

Individuaalselt ratsionaalsed valikud võivad viia mõlema agendi jaoks kehvema tulemuseni kui võimalik ühine lahendus

Kui agendid ei saa omavahel suhelda, siis nende valikud ei sõltu teise agendi otsusest

Mõlema agendi jaoks parim tulemus saavutatakse siis, kui mõlemad valivad koostöö strateegia

Kui agendid teavad kõiki võimalikke tulemusi, siis nad valivad ühise tulemuse, mis on mõlema jaoks parim

Iga agent saab oma tulemuse maksimeerida sõltumatult teistest

Tulemused sõltuvad mitmest tegurist, mida üks agent ei saa täielikult kontrollida

Tulemused on määratud ühe agendi otsuse ja juhuslikkuse koosmõjul

Tulemused sõltuvad mitme agendi valikute kombinatsioonist

Sest teised agendid teevad oma valikuid iseseisvalt, samas kui keskkond ei tee valikuid

Sest agendid teevad eesmärgipäraseid valikuid, mis sõltuvad teiste agentide otsustest

Sest teiste agentide käitumine on keeruline ja raskesti ennustatav võrreldes tavalise keskkonnaga

Sest teiste agentide käitumine muutub vastavalt olukorrale, samas kui keskkonda käsitletakse tavaliselt fikseerituna