AIが解く世界の難問 · 計算機科学の理論 · arXiv · 2026-10-21
非定常性がマルチエージェント強化学習の順列サロゲートを破綻させる：診断と対策
原題: Non-Stationarity Breaks Permutation Surrogates in Multi-Agent Reinforcement Learning: Diagnosis and Remedies
エージェント間の有向影響が構成上ゼロである社会的ジレンマと協調レースという2つのマルチエージェント強化学習ゲームで、情報理論的指標の報告ガードレールを100シードの真値検証によって試した。非定常な学習の過渡期の除外という前提を欠くと偽陽性率は100.00%と99.95%に達し、過渡期を除外しても協調ゲームでは11.8%が残った。訓練時間のブロック内でソースを順列化するゼロモデルの変更を推奨しており、両ゲームで5.25%と5.50%となり、検定サイズ以下に収まった唯一の手法となった。コードとデータが公開されている。