Xu等更新开放多智能体系统Bandit学习论文

2026年10月20日，Mengfan Xu等人在arXiv平台更新论文v2版本，提出开放多智能体系统中Bandit学习的框架。研究针对异构奖励与代理模式带来的非平稳性挑战，形式化了新的学习问题。 论文引入预训练程度、稳定性及全局动态遗憾等概念，并开发了两种基于UCB的算法方法，以应对动态环境下的决策难题。 研究提出动态人口嵌入方法，直接编码各臂的人口函数，利用流形表示代理，使遗憾与从代理表示中获取的信息相关联。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。