arXiv · ML· Dereck Piche, Mohammed Muqeeth, Milad Aghajohari, Juan Duque, Michael Noukhovitch, Aaron Courville·· 4 小时前AI 评分35
基于大型语言模型的多智能体社交策略学习
Learning Robust Social Strategies with Large Language Models
AI 导读
研究指出标准强化学习在多智能体社交困境中易导致 LLM 形成机会主义策略。 团队将 Advantage Alignment 适配用于微调 LLM，并引入群相对基线简化优势计算，确保策略不可被贪婪智能体利用。 研究发布了 Trust-and-Split 社交困境环境及代码，旨在支持 LLM 多智能体合作训练。
来源：arXiv · ML · arxiv.org