Counterfactual Message Value

MUTE框架在保持性能的同时减少了MARL通信带宽

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。