技术
MARL（多智能体强化学习）
多智能体强化学习（MARL）研究多个智能体在共享环境中学习协作或竞争，解决复杂系统决策问题，典型如星际争霸AI和自动驾驶车队协同。
详细解释
MARL扩展单智能体强化学习，面临非平稳性、信用分配和可扩展性挑战。主流方法包括集中训练分散执行（CTDE）、值分解（如VDN、QMIX）和策略梯度（如MADDPG）。应用涵盖机器人 swarm、交通信号控制和资源分配。近期结合LLM进行通信与规划，提升泛化性，但样本效率与理论保证仍需突破。
别名与相关写法
marlMARL多智能体强化学习Multi-Agent Reinforcement Learning
相关术语
相关资讯
GARDEN 用 LLM 自动设计可跨场景复用的多智能体奖励函数2026/10/30
Marlow 上线：用 AI 构建全栈应用并保留代码所有权2026/10/27
SpecMAGIC：规范引导的多智能体强化学习多任务泛化2026/10/23
MinMax Attack：安全多智能体强化学习脆弱性分析2026/10/21
SynCo：多智能体强化学习协同训练自进化LLM2026/10/9
元多智能体强化学习加速策略适应2026/10/2
拜占庭容错多智能体强化学习新方法2026/9/23
LLM增强多智能体强化学习优化充电网络2026/9/15