arXiv · cs.AI· Francesco Morri·· 10 天前AI 评分29
RQA：无需共享奖励即可实现合作的互惠 Q 增广方法
Cooperation Without Shared Rewards via Reciprocal Q-Augmentation
来源与原文
arXiv · cs.AI
作者：Francesco Morri
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.24793v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究提出 Reciprocal Q-Augmentation（RQA），用隐变量对手模型增强 Q-function，让智能体仅凭自身 Q-function 学习合作与背叛策略，无需获取他人奖励或内部状态。在 Iterated Prisoner's Dilemma、Iterated Traveler's Dilemma、Iterated Stag Hunt 和 CleanUp-Lite 中，RQA 的合作速度和社会福利超过共享奖励的全合作方法，单个 RQA 智能体还能诱导标准 RL 智能体达成合作。
来源：arXiv · cs.AI · arxiv.org