自组织强化学习论文：蜂群逼近探索-利用最优点

Galen J. Wilkerson于2026年10月18日发布研究论文，探讨无奖励信号的自组织强化学习。研究表明，极简觅食蜂群通过重尾飞行与招募级联机制，动态逼近多智能体资源共享博弈的最优解。 蜂群在验证环境中达到oracle上限的65%，但非精确均衡。在具身环境中，无奖励蜂群在零训练下领先约4000步，随后被PPO和CTDE学习者反超，后者表现更优。研究提供代码和数据支持。

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。