提出多智能体强化学习框架用于气候政策合作模拟

2026年10月30日，研究者Moll-Elsborg等人在arXiv发布论文，扩展多智能体强化学习（MARL）框架。新模型引入多阶段谈判机制，模拟智能体提议协议、接受承诺及面对违规惩罚的完整流程，重点考察协议设计对减排行为及合规性的影响。 在包含四个同质智能体的理想化设定中，研究发现无约束协议难以克服“搭便车”现象。适度的违规惩罚被证明能有效促进合作并降低升温幅度，但过强的惩罚则会抑制智能体做出大胆承诺，揭示了执行力度与参与度之间的权衡关系。

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。