arXiv · cs.AI· Sungil Son·· 2 天前AI 评分25
EFXPLORER：用 Epigraph 形式引导探索的协作多智能体强化学习框架
Cooperative Multi-Agent Reinforcement Learning via Epigraph-Form Guided Exploration
来源与原文
arXiv · cs.AI
作者：Sungil Son
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/2611.07066v1
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
EFXPLORER 是一个约束式探索框架，在保持既有任务性能的约束下最大化探索目标，通过 epigraph 重构引入自适应探索预算，将内在奖励与任务目标分离。该方法还加入基于 successor distance 的内在奖励以捕捉长程依赖，在 SMAX、VMAS 和 MPE 基准套件上优于强基线并诱导出新的协作策略。论文已被 NeurIPS 2026 接收。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。