Commons Harvest

新的AI方法可在无共享奖励信号的情况下实现协作 · 跟踪2个来源

研究人员引入了一个名为“自参照社会偏好”的新概念，以在多智能体强化学习中实现协作，而无需智能体观察彼此的奖励。该方法允许智能体模拟自身的奖励，并利用这种理解根据观察到的行为评估同行的结果。在三个社会困境——逃离房间、清理和公共资源收获——中的实验表明，智能体成功学习了协作策略，表现优于独立学习者，即使没有直接访问同行奖励信号，也能获得更公平的结果。