arXiv · AI· Dogan Urgun·· 8 小时前AI 评分34
GARDEN: 基于证据导航的通用自主奖励设计方法用于合作多智能体强化学习
GARDEN: Generalist Autonomous Reward Design Through Evidence Navigation for Cooperative Multi-Agent Reinforcement Learning
AI 导读
GARDEN 框架提出了一种通用自主奖励设计方法，通过 LLM 为相关场景族生成单一奖励程序，并在未见场景保持不变直接迁移使用。该方法在 Overcooked 和 SMAX 基准上使任务收益分别提升 58.2% 和 52.5%，并将两个战斗场景的平均胜率从 51.0% 提高至 89.9%。
来源：arXiv · AI · arxiv.org