研究人员开发了一个名为MUTE（Message Unlearning for Targeted Efficiency，有针对性效率的消息遗忘）的新框架，以解决多智能体强化学习（MARL）中的通信带宽限制问题。MUTE将通信减少视为一个机器学习遗忘问题，量化消息的价值以选择性地遗忘低价值消息的传输。这种方法旨在保持协作智能体的性能，同时显著减少通信带宽，在实验中实现了80%到90%的减少，同时保持与现有方法相当的性能。 AI
影响 这项研究可能在通信带宽受限的环境中实现更高效的多智能体系统。
排序理由 详细介绍新框架和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
