研究比较N智能体临时协作的两类评论家

Andrew McAlinden等作者提交的论文比较了N智能体临时团队协作（NAHT）中两类优势估计器：仅依赖己方智能体历史的受控历史估计器，以及额外纳入不可控队友历史的联合历史估计器。作者证明两者均为无偏估计，并刻画了联合历史估计方差严格更低的成立条件。 在多项NAHT任务上，联合历史评论家达到或超过受控历史评论家的表现，样本效率与最终回报均更优。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。