多智能体表演性预测的谱阈值相变

Ahmed Mahrous 与 Roberto Di Pietro 在 NeurIPS 2026 论文中提出，多智能体表演性预测的重复重训练存在一个谱阈值：反身性矩阵 Γ 的谱半径越过 1，即从稳定学习转为最坏情况学习受阻。 阈值以下，重复重训练几何收敛到唯一表演性稳定均衡，累积超额损失在时间跨度上一致有界；阈值以上，他们构造的噪声超临界实例中，每个局部信息学习者的期望累积超额损失线性增长，跨度可达 1/(ρ(Γ)-1) 量级。该结果以上下界刻画阈值行为，并将此前单智能体标量阈值作为特例纳入。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。