自参照社会偏好：无奖励观测实现合作

1. 12:00
   arXiv：cs.AI

   自参照社会偏好：无需观察他人奖励即可实现合作

   研究提出"自参照社会偏好"方法，让每个智能体学习自身奖励模型，并将其应用于其他智能体观测到的状态转移，从自身视角评估他人结果，无需访问对方的私有奖励信号。在 Escape Room、Clean Up 和 Commons Harvest 三个序贯社会困境中，智能体均学会了合作行为，且比能访问真实奖励的智能体更常实现更公平的收益分配。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。