TANDEM：双读评论家弥合多智能体信息差

Alireza Saleh Abadi 等人提出多智能体强化学习方法 TANDEM，试图缩小训练时能获取全局信息、执行时各智能体只能看到局部信息之间的差距。其做法是在每步训练中保留一个集中式评论家，并做两种读取：一种基于全局状态，另一种仅限智能体执行时可见的信息；再用无参数门控在两种读取一致处按去中心化读取训练策略，仅在局部视角误导时恢复集中式读取。 该方法目前处于提出并评估阶段，报道未给出评估结果或与其他方法的对比数据。

AI 根据报道生成 · 36 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。