自参照社会偏好：无需观察他人奖励的多智能体合作

研究者提出自参照社会偏好方法，让每个智能体学习自身奖励模型，并将其应用于其他智能体的观测转移，从而在无需观察他人奖励的情况下评估其结果。该方法在 Escape Room、Clean Up 和 Commons Harvest 三个序列社会困境中验证，智能体在独立学习者无法合作的环境中仍能学会合作行为，并常比拥有真实奖励的智能体更公平地分配联合收益。目前未见与早先报道矛盾之处。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。