arxiv · arXiv · 2026-09-25 21:57 · 评分 73
针对离线多智能体强化学习部署时冻结策略一次联合动作常非最优，提出G2MAF方法，在测试时利用梯度引导搜索附近更优且与行为数据一致的联合动作，改善部署性能。
原文：arXiv ｜ 返回 AI 资讯列表