开放多智能体强化学习的公理化框架

论文用Shapley公理构建开放多智能体强化学习框架

资讯摘要

论文针对仅部分智能体可控的开放多智能体系统，提出基于Shapley公理（效率、对称性、线性）的公理化框架，将公理作为结构约束推导价值函数学习，并给出新的NAHT分解以刻画开放与完全可控系统的差异。作者报告该框架可恢复Dec-POMDP的Shapley值，并提出Shapley Machines与Banzhaf Machines两种算法模板，在IPPO、POAM上提升学习效率与对未见智能体类型和约定的泛化。

要点速读

1. 论文以Shapley公理作为价值函数学习的结构约束，而非启发式设计选择
2. 提出新的NAHT分解，并称在Dec-POMDP上可恢复Shapley值
3. 提出Shapley Machines与Banzhaf Machines模板，在IPPO和POAM上报告学习效率与泛化提升

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。