★ 2
GARDEN 用 LLM 自动设计可跨场景复用的多智能体奖励函数
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%。
arXiv cs.AI3 天前
#多智能体强化学习
共 9 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
SpecMAGIC：规范引导的多智能体强化学习多任务泛化
论文提出 SpecMAGIC 分层框架，用结合时序逻辑的任务规范语言描述多智能体协作需求，并借助自动机结构做子任务分解。集中式高层规划器分配子任务序列，去中心化低层策略执行，从而按新规范组合可复用策略实现零样本泛化。作者证明了高层规划器的可靠性与概率完备性，多智能体导航实验显著优于现有方法。
arXiv cs.AI10 天前
★ 2
MinMax Attack：安全多智能体强化学习脆弱性分析
论文研究针对安全多智能体强化学习（SMARL）的推理时观测攻击，提出 MinMax Attack 框架，联合选择被攻陷智能体的对抗目标动作并考虑良性智能体的协同抵抗。实验显示该攻击在保持任务奖励的同时显著提高安全代价，兼具有效性与隐蔽性。
arXiv cs.AI12 天前
★ 2
SynCo：多智能体强化学习协同训练自进化LLM
该论文提出 SynCo 框架，基于多智能体强化学习实现智能体数据合成协同训练，联合优化负责生成任务的 Synthesizer 与负责解题的 Reasoner，使任务分布随模型能力共同演化。在八个数学推理基准上，SynCo 显著优于现有合成数据方法，且大部分增益来自此前未解决的问题。
arXiv cs.AI24 天前
★ 2
元多智能体强化学习加速策略适应
论文提出元多智能体强化学习框架，将 MARL 建模为马尔可夫博弈，实现跨博弈分布的交互策略快速适应。作者定义 meta-NE 解概念并证明其与梯度博弈算法稳定点的等价条件，在自动驾驶任务上验证了比预训练 MARL 基线更快的适应速度。
arXiv cs.AI31 天前
★ 2
拜占庭容错多智能体强化学习新方法
论文提出 FRAC-MARL，一种去中心化的拜占庭容错 actor-critic 多智能体强化学习方法。每个智能体利用两跳消息的冗余识别可靠消息，在时变通信图上证明参数几乎必然收敛到无攻击情形下的同一极限点。作者给出新的拓扑收敛条件并证明其可在多项式时间内验证，在协作多机器人编队任务上验证了方法有…
arXiv cs.LG40 天前
★ 2
低空异构无人机网络的智能体AI组网
论文提出面向低空无线网络（LAWN）的分层混合架构，外层用大语言模型辅助博弈编排，解读服务需求与运营意图并重配目标，内层执行去中心化的多智能体强化学习策略。以物流监控为例，框架可在不重训MARL策略的情况下适应异构服务共存与动态条件变化。
arXiv cs.AI45 天前
★ 2
LLM增强多智能体强化学习优化充电网络
论文提出LLM增强的多智能体强化学习框架，首次在统一循环中同时优化电网、电动汽车与充电站。LLM负责可解释特征选择与多目标自适应权重分配，替代复杂人工调参。实验显示该框架显著优于现有基线，训练时间减少超70%。
arXiv cs.AI48 天前
★ 2
DRG-MAPPO：空战协同的分层角色图多智能体强化学习
研究提出DRG-MAPPO框架，将图关系建模与动态角色分配结合，用图注意力机制提取友军、敌军与威胁间的关系特征。高层策略分配“领导者”“支援者”等战术角色，低层策略据此执行机动动作，并设计目标优先级辅助任务促进集火行为。实验取得87%的最优胜率，兼顾关系建模、可解释性与优化稳定性。
arXiv cs.AI51 天前
这个主题的相关资产
相关术语MARL（多智能体强化学习）