opponent-modeling

本文提出了一种新颖的偏好估计方法，将大型语言模型（LLM）的自然语言信息集成到结构化贝叶斯对手建模框架中，用于多智能体协商。该方法利用LLM从话语中提取定性线索，并将其转换为概率格式，在多方协商基准上展示了改进的协议达成率和偏好估计准确性。

OpenAI 提出了 LOLA (Learning with Opponent-Learning Awareness),一种多智能体强化学习方法,其中智能体能够塑造其他智能体的预期学习过程。该方法展示了在重复囚徒困境中合作的涌现现象,以及在博弈论设置中收敛到纳什均衡。