标签
This paper studies decentralized multi-player Q-learning in episodic Markov decision processes under three forms of information asymmetry, proposing algorithms that achieve regret bounds matching the single-agent Q-learning rate up to logarithmic factors.
本文研究了三种信息不对称机制下具有重尾奖励的多智能体多臂老虎机问题，提出了鲁棒的分布式算法，其遗憾保证几乎匹配集中式算法的速率，并在帕累托分布奖励环境中进行了验证。
本文介绍了InfoDelphi框架，该框架利用信息不对称（将证据划分为共享的公共子集和不相交的私有子集）来改进多智能体LLM的协商与预测。在PolyGym基准测试上，它在Brier得分上比单智能体和多智能体基线提升12-18%，在准确率上提升4-8个百分点，证明了多样化证据是有效多智能体推理的关键。
本文介绍了GPTNT，这是一个基于《Keep Talking and Nobody Explodes》构建的基准测试，要求两个多模态代理在时间压力和信息不对称条件下实时协作，揭示了当前最先进系统的关键弱点。
本文形式化了LLM智能体的通信策略，并提出了通信策略演化（CPE），一种通过 rollout 和提示级演化来优化通信策略的自我演化框架，在多种设置下实现了最佳任务成功率。
帖子提到月之暗面和DeepSeek等AI公司正在招聘agent harness人才，并推广了招聘信息聚合平台jobleap.cn，认为掌握最新工作机会是关键。