arXiv · AI· Simon Yu, Nicholas Tomlin, Marwa Abdulhai, Ximing Lu, Derek Chong, Abe Hou, Dilara Soylu, Sergey Levine, Christopher D. Manning, Weiyan Shi·· 2 天前AI 评分31
多智能体强化学习中模拟器坍缩现象及SCOPE开源框架
One Frozen Simulator Is Not Enough: Simulator Collapse in Multi-Agent RL
AI 导读
针对单LLM模拟器导致的策略泛化失败,研究提出Verbalized Sampling与Co-Training两种解决方案。 在Persuasion for Good等三项基准测试中,Verbalized Sampling提升留出成功率9%,Co-Training进一步升至14%,并保留了策略多样性。 研究指出多样化模拟器是服务真实用户的必要要求,并开源了SCOPE框架。
来源:arXiv · AI · arxiv.org