SCOUT：离线多智能体强化学习框架

研究者 Dongsu Lee、Haoran Xu、Amy Zhang 提出 SCOUT，一个离线多智能体强化学习（MARL）框架，将生成式基础模型与学习到的价值函数通过测试时动作精炼结合。据其论文，这是首个采用该组合方式的离线 MARL 框架。 SCOUT 训练流匹配行为先验与分解价值函数两个解耦组件，测试时用 Stein 变分梯度下降将行为样本输运至高价值区域，输运步数可自适应调整以实现测试时扩展。 作者称，在离散与连续离线 MARL 基准上，SCOUT 取得最佳平均性能，并在所有离线到在线配置中均有提升。

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。