Bài báo này đề xuất Học Đo lường Nghề nghiệp Trường Trung bình (MF-OML), một thuật toán học tăng cường trường trung bình trực tuyến để tính toán cân bằng Nash gần đúng của các trò chơi đối xứng tuần tự tập thể quy mô lớn. MF-OML là thuật toán học tăng cường đa tác nhân hoàn toàn thời gian đa thức đầu tiên có thể giải quyết được các cân bằng Nash một cách có thể chứng minh được (với sai số xấp xỉ trường trung bình bằng không khi số lượng người chơi N tiến tới vô cực) vượt ra ngoài các trò chơi tổng bằng không và các biến thể trò chơi tiềm ẩn. Đối với các trò chơi có tính đơn điệu Lasry-Lions mạnh, thuật toán này đạt được giới hạn trên hối tiếc có xác suất cao là $\tilde{O}(M^{3/4}+N^{-1/2}M)$, được đo bằng độ lệch tích lũy so với cân bằng Nash, và đối với các trò chơi chỉ có tính đơn điệu Lasry-Lions, thuật toán này đạt được giới hạn trên hối tiếc là $\tilde{O}(M^{11/12}+N^{- 1/6}M)$, trong đó M là tổng số tập và N là số tác nhân trong trò chơi. Như một sản phẩm phụ, chúng tôi thu được thuật toán tính toán hội tụ toàn cục dễ xử lý đầu tiên để tính toán cân bằng Nash gần đúng của các trò chơi trường trung bình đơn điệu.
