本文介绍了一个用于在随机环境中运行的多智能体系统的社会法则的新框架。它将先前从确定性环境中的工作扩展到基于奖励的场景,提出了一种定义和验证这些法则鲁棒性的方法。该研究引入了一个称为“alpha-鲁棒性”的概念,以量化遵守社会法则的智能体在追求其最优策略时保证的效用。作者提出了一种将问题简化为求解多个马尔可夫决策过程的验证方法,并通过实证评估展示了其潜力。 AI
影响 这项研究可能导致复杂的多智能体交互式AI系统中更鲁棒、更高效的协调。
排序理由 该集群包含一篇在arXiv上发表的学术论文,详细介绍了多智能体系统的新理论框架和验证方法。
在 arXiv cs.MA (Multiagent) 阅读 →
- alpha-robustness
- arXiv
- Hugging Face
- Markov decision processes: a tool for sequential decision making under uncertainty
- Social Laws for Multi-agent Coordination in Stochastic Environments
- alphaXiv
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Influence Flower
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →