有限深度策略敏感度估计框架提出

Lan Shi 等研究者发表论文，提出一种有限深度策略敏感度估计框架，用于多智能体强化学习中适应其他智能体行为变化。该方法通过近似策略 Hessian 与混合导数估计敏感度，并引入可调传播深度截断轨迹上的导数传播。 研究者推导出截断误差界，证明误差随传播深度增加而非增、在全时域传播时消失。在以信念驱动的追逃博弈验证中，传播深度越大导数估计误差越低；该方法在估计精度与策略适应上均优于基线，基于敏感性的初始化在零样本回报和后续微调上也优于直接迁移。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。