arXiv cs.AI·3 天前★ 2

GARDEN 用 LLM 自动设计可跨场景复用的多智能体奖励函数

原文标题：GARDEN: Generalist Autonomous Reward Design Through Evidence Navigation for Cooperative Multi-Agent Reinforcement Learning

重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

论文提出 GARDEN，让 LLM 充当奖励工程师，通过考察环境代码、训练记录与智能体行为来编写奖励程序，并在试训练中检验草稿奖励。在 Overcooked 与 SMAX 未见场景上，任务回报分别提升 58.2% 与 52.5%，两个对战场景平均胜率从 51.0% 升至 89.9%。

论文速读 · 四段结构cs.LG去论文速读 →

问题: 多智能体强化学习的中间奖励靠手工设计，环境或队伍一变就得重做。
方法: 让 LLM 充当奖励工程师，查看环境代码、训练记录与智能体行为来编写奖励程序，并在试训练中检验草稿，使同一奖励程序可跨场景复用。
结果: 在 Overcooked 与 SMAX 未见场景上，任务回报分别提升 58.2% 与 52.5%；两个对战场景平均胜率从 51.0% 升至 89.9%。
影响: 奖励工程从手工调参变为可迁移的自动生成，多智能体训练落地成本明显下降。

所属主题智能体50

AI 处理过程展开/收起

原始标题：GARDEN: Generalist Autonomous Reward Design Through Evidence Navigation for Cooperative Multi-Agent Reinforcement Learning

AI 中文标题：GARDEN 用 LLM 自动设计可跨场景复用的多智能体奖励函数

来源：arXiv cs.AI · 发布于 3 天前

分类：学术研究 · AI 重要度：★ 2（2）

标签：多智能体强化学习 / 奖励设计 / 大模型 / 智能体 / 强化学习

关键词：多智能体强化学习 / 奖励函数设计 / LLM 智能体 / GARDEN / 强化学习

AI 处理：2026/10/30 15:03:19 · 模型 deepseek-chat · 规则版本 2026-10-21.1

AI 生成以上内容由 AI 自动生成：中文标题、摘要、分类与重要度；同一事件的多家报道会自动归并展示。内容仅供参考，可能存在偏差，请以原文为准，不构成任何投资或专业建议。
版权归原作者与原发布平台所有；若涉及侵权或信息错误，请在举报与侵权投诉页反馈，我们会及时处理。

相关推荐