多智能体Transformer策略的动作坍缩研究

Amit Thakur 和 Mukesh Singhal 提交论文指出，多智能体 Transformer 策略仅靠低排列误差评估可能产生误导：所有智能体选择相同动作也会显得鲁棒。他们提出结合排列一致性指标与动作坍缩诊断（动作多样性、同动作比例、最大动作频率）来评估策略。 实验显示，PPO-ID 基线行为未坍缩但对顺序敏感，强等变性正则化仍可导致同质行为；弱等变性惩罚在 N=3 时提升鲁棒性并保留动作多样性，N=4 时则需更小的正则化权重。

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。