Happō-chō

新分析揭示多智能体策略优化的最优聚合方法

一篇新的研究论文介绍了一种合作多智能体策略优化的规范形式分析，重点关注如何聚合来自邻近智能体的信息。该研究形式化了两个关键的设计选择，即支持矩阵 SA 和 SR，并证明它们的乘积决定了优化目标。研究结果表明，在优势（advantage）方面聚合邻近智能体有利于奖励信号，而保持每个智能体的比例（ratio）最优则有利于似然比（likelihood ratios），以避免方差的指数增长。