HACRL提出双向互学机制提升异构智能体协作效率

arXiv最新论文提出异构智能体协作强化学习（HACRL）及算法HACPO，核心创新在于无需协调部署即可实现异构智能体间的验证轨迹共享与双向互学机制。 HACPO特别引入四种机制以缓解智能体间的能力差异，旨在优化异构环境下的协作学习效果与稳定性。 在推理基准测试中，HACPO平均性能超越使用双倍rollout的GSPO达3.6%，且其rollout成本仅为后者的五成，显著提升了计算效率。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。