每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

QLLM：在多智能体强化学习中，我们真的需要一个混合网络来进行信用分配吗？

Created by
  • Haebom

作者

姜周洋、张斌、魏爱荣、徐志伟

QLLM：一种利用 LLM 的新型多智能体强化学习算法

大纲

本文提出了一种新颖的算法——QLLM，它利用大规模语言模型 (LLM) 来解决信用分配问题，这是多智能体强化学习 (MARL) 中的一个关键挑战。QLLM 引入了信用分配函数 (TFCAF) 的概念，将信用分配过程表示为一个直接且富有表现力的非线性函数。此外，它利用一个自定义的编码评估器框架来帮助 LLM 生成、验证和改进可执行代码，从而缓解了幻觉和浅层推理问题。它在各种 MARL 基准测试中的表现均优于现有的最先进技术，并且与各种使用混合网络的 MARL 算法兼容。

Takeaways，Limitations

•
我们提出了一种利用 LLM 解决 MARL 信用分配问题的新方法。
•
使用 TFCAF 直接且富有表现力地对信用分配过程进行建模。
•
通过编码器-评估器框架提高 LLM 中的代码生成质量。
•
在各种 MARL 基准上实现 SOTA 性能并展示泛化能力。
•
通过与使用混合网络的各种 MARL 算法兼容来确保多功能性。
•
LLM 计算成本和推理速度的依赖性
•
TFCAF 的复杂性和可解释性
•
需要进一步研究高维状态空间的可扩展性。
👍
Made with Slashpage