标签
本文提出 EffRank/n 和 D_act 作为低开销诊断指标，用于衡量协同多智能体强化学习中奖励归因的效果，并在 SMACv2 上进行测试，发现观测解释了几何结构，而奖励归因主要影响行为。
引入带资格门控的延迟逐步奖励归因方法，用于多智能体语言模型交互中的强化学习，在 NeurIPS 2025 的 MindGames Arena 基准测试中取得第一名。