#审计机制

多智能体博弈：训练团队报告不安全任务

论文研究共享奖励下智能体报告不安全工作的学习问题，给出审计条件使精确策略梯度更新可达到普遍报告。在24个见证图上训练PPO，分离共同见证者使不安全完成率降低33.59个百分点。