标签
该论文研究了针对安全多智能体强化学习 (SMARL) 的推理时观测攻击，提出了 MinMax Attack 框架，能在保持任务奖励的同时显著提高安全代价，从而兼具攻击有效性与隐蔽性。
本文介绍了结构化对手建模（SOM），这是一种利用结构因果模型将LLM智能体在多智能体环境中的对手表征与预测解耦的框架。该方法利用显式的因果结构而非隐式的上下文推理，提高了预测准确性和战略决策能力。