Skip to content
Hot eventLive

合作学会后还能维持吗：梯度路由与优化器依赖的维护风险

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026-10-02，arXiv 发表多智能体强化学习研究，探讨已学会的合作策略在持续训练下是否会被破坏。研究将合作关系维护定义为行为验证过的合作策略在持续训练中的存活问题，并形式化为右删失事件时间问题。实验表明，直接值梯度路由（X0）在更高奖励缩放下选择性增加维护敏感性；保留评论家但阻断梯度（X1）接近删失上限；移除评论家（X5）在测试设置中无确认事件。

Generated from reports · updated 2 hr ago

LatestOct 2
arXiv 论文通过右删失事件时间形式化，揭示不同梯度路由与评论家配置对合作策略存活的影响。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Multiagent Systems
    多智能体强化学习中的梯度路由与优化器依赖的合作关系维护

    论文研究合作型多智能体强化学习中，已学会的合作策略在持续训练下是否会被破坏。将合作关系维护定义为行为验证过的合作策略在持续训练中的存活问题，形式化为右删失事件时间问题。实验表明，直接值梯度路由（X0）在更高奖励缩放下选择性增加维护敏感性，而保留评论家但阻断梯度（X1）接近删失上限，移除评论家（X5）在测试设置中无确认事件。

Heat trend

There is not enough continuous observation data to draw a trend yet.