PulseAugur
中
实时 20:13:11
实体 Smax

Smax

PulseAugur coverage of Smax — every cluster mentioning Smax across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天

2 天有情绪数据

最近 · 第 1/1 页 · 共 3 条
  1. TOOL · CL_332649 ·

    新AI系统GARDEN实现多智能体学习的奖励设计自动化

    研究人员开发了GARDEN,一个用于合作多智能体强化学习中自主奖励设计的新颖系统。GARDEN旨在创建一个单一的奖励程序,该程序可以有效地跨一系列相关场景重复使用,从而减少手动奖励工程的需求。该系统调查环境代码、训练记录和智能体行为,使用LLM奖励工程师来开发和测试奖励。在Overcooked和SMAX基准测试中的测试表明,与默认奖励和其他方法相比,GARDEN显著提高了任务回报和胜率。

  2. RESEARCH · CL_330690 ·

    AI为多智能体系统设计可复用奖励,助力气候政策研究

    研究人员开发了GARDEN,一种用于合作多智能体强化学习(MARL)中奖励函数设计的新方法。该系统利用大型语言模型创建单个奖励程序,可在相关场景中重复使用,在Overcooked和SMAX等基准测试中将任务回报提高了50%以上。另外,另一项研究探讨了用于全球气候政策合作的MARL,发现适度的惩罚可以改善减缓行为,但过强的惩罚可能会阻碍雄心勃勃的承诺。

  3. TOOL · CL_93838 ·

    研究发现MARL基准测试可能不需要复杂的推理

    一篇新发表在arXiv上的研究论文对当前合作式多智能体强化学习(MARL)基准测试的有效性提出了质疑。该研究引入了诊断工具来评估智能体是否真正采用了Dec-POMDP推理,这涉及到推断隐藏状态并基于局部信息进行协调。研究结果表明,许多流行的MARL基准测试并不需要这种复杂的推理,简单的反应式策略通常也能取得相当的性能。该研究认为,当前的训练范式可能导致对进展的评估过高,并呼吁在该领域进行更严格的环境设计和评估。