arXiv cs.AI· Arjun V Sudhakar, Hadi Nekoei, Mathieu Reymond, Miao Liu, Janarthanan Rajendran, Sarath Chandar·· 3 天前AI 评分12
通用 Hanabi 智能体 R3D2 论文因实现 bug 被撤稿
A Generalist Hanabi Agent
AI 导读
论文《A Generalist Hanabi Agent》已被作者 Hadi Nekoei 撤回，原因是发现 R3D2 实现中的 bug 使论文部分关键结论失效。该论文原提出 Recurrent Replay Relevance Distributed DQN（R3D2），用文本重构 Hanabi 任务并设计分布式 MARL 算法，声称是首个可同时游玩所有游戏设置、并将策略迁移到其他设置的智能体。
正文 · AI 翻译
本论文已被 Hadi Nekoei 撤回
摘要：传统的多智能体强化学习（MARL）系统可以通过反复交互发展出合作策略。然而，这些系统在除训练环境之外的任何其他设定下都无法表现良好，并且难以与不熟悉的合作者成功合作。这在 Hanabi 基准测试中尤为明显，这是一个流行的 2 至 5 人合作卡牌游戏，需要复杂的推理和对其他智能体的精确协助。当前用于 Hanabi 的 MARL 智能体只能学习一种特定的游戏设定（例如 2 人游戏），并且只能与相同算法的智能体一起玩。这与人类形成鲜明对比，人类可以快速调整策略以与不熟悉的伙伴或情况合作。在本文中，我们介绍了 Recurrent Replay Relevance Distributed DQN（R3D2），一种用于 Hanabi 的通用智能体，旨在克服这些限制。我们使用文本重新表述任务，因为语言已被证明可以改善迁移。然后我们提出了一种分布式 MARL 算法，以应对由此产生的动态观察空间和动作空间。通过这样做，我们的智能体是第一个可以同时玩所有游戏设定，并将从一个设定中学到的策略扩展到其他设定的智能体。因此，我们的智能体还展示了与不同算法智能体合作的能力——这些智能体本身无法做到这一点。实现代码可在以下网址获取：$\href{this https URL}{R3D2-A-Generalist-Hanabi-Agent}$
| 评论： | 本论文已被撤回，因为我们发现 R3D2 实现中存在一个错误，该错误使论文中的一些关键主张无效 |
| 主题： | 多智能体系统（cs.MA）；人工智能（cs.AI） |
| 引用为： | arXiv:2503.14555 [cs.MA] |
| （或 arXiv:2503.14555v2 [cs.MA] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2503.14555 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Hadi Nekoei [查看电子邮件]
[v1]
2025年3月17日星期一 22:25:15 UTC（1,631 KB）
[v2]
2026年10月9日星期五 19:39:08 UTC（1 KB）（已撤回）
来源：arXiv cs.AI · arxiv.org