arXiv · AI· Yuheng Jing, Kai Li, Ziwen Zhang, Jiajun Zhang, Zeyao Ma, Jiaxi Yang, Lei Zhang, Zhe Wu, Jinmin He, Junliang Xing, Jian Cheng·· 12 小时前AI 评分32
ICRL4AHT 基准揭示上下文强化学习在临时团队协作中的局限
Benchmarking the Limits of In-Context Reinforcement Learning for Ad-Hoc Teamwork
AI 导读
ICRL4AHT 基准测试表明，上下文强化学习算法在临时多智能体协作中表现不佳。 该基准基于 JAX 实现 Overcooked-V2，评估了算法蒸馏 (AD) 和决策预训练 Transformer (DPT) 等模型，发现其在未见队友场景下常低于随机基线。 研究确立该基准为下一代协调算法的关键测试平台，已被 ICML 2026 接收。
来源：arXiv · AI · arxiv.org