提出ADiCo多智能体强化学习多样性控制框架

Svar Rajankumar Patel 与 Kshitij Jerath 提出 Adaptive Diversity Control（ADiCo）双时间尺度框架，在协作式多智能体强化学习训练中在线调节行为多样性：快时间尺度用 DiCo 将系统多样性收敛到目标值，慢时间尺度用极值搜索控制器（ESC）仅凭平均回合回报调整该目标，无需多样性-性能曲面的显式模型或解析梯度。 论文称在两个协作式多智能体任务的六种配置上评估了 ADiCo，结果显示其能维持与任务相符的多样性水平：同质策略有利时保持低多样性，需要异质策略时提高多样性。该论文已被 2026 年第 65 届 IEEE 决策与控制会议（CDC，夏威夷）接收。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。