arXiv Artificial Intelligence· Dogan Urgun·· 17 小时前AI 评分31
GARDEN：通过证据导航为协作多智能体强化学习自动设计通用奖励
GARDEN: Generalist Autonomous Reward Design Through Evidence Navigation for Cooperative Multi-Agent Reinforcement Learning
AI 导读
GARDEN 让 LLM 奖励工程师在开发阶段查阅环境代码、训练记录与智能体行为，为一系列相关场景设计一份奖励程序，并原样迁移到设计时未见的场景。在 Overcooked 和 SMAX 的未见场景上，任务回报较默认奖励分别提升 58.2% 和 52.5%，两个战斗场景的平均胜率从 51.0% 升至 89.9%。
来源：arXiv Artificial Intelligence · arxiv.org