跳到正文
arXiv · 机器人与计算机视觉· Yunhao Yang, Yuexin Bian, Yunjie Tian, Di Fu, Tianjin Huang, Yuanyuan Shi, Ziang Xiao, Nuno Vasconcelos, Yijiang Li·· 9 天前AI 评分65

Co-RL:多智能体强化学习中的无监督推理涌现

Co-RL: Unsupervised Reasoning Emerges from Diverse Cohort in Multi-agent RL

AI 导读

论文提出 Co-RL 框架,利用多个参数解耦的智能体相互提供奖励信号进行协同优化,以解决自奖励训练导致的偏差与同质化问题。通过引入异构模型家族、不同规模及重述样本来提升群体多样性,有效降低相关错误并抑制训练崩溃。

来源:arXiv · 机器人与计算机视觉 · arxiv.org