ИИ и сложнейшие проблемы мира · Теоретическая информатика · arXiv · 2026-10-21
Нестационарность нарушает перестановочные суррогаты в многоагентном обучении с подкреплением: диагностика и способы устранения
Оригинальное название: Non-Stationarity Breaks Permutation Surrogates in Multi-Agent Reinforcement Learning: Diagnosis and Remedies
В двух играх многоагентного обучения с подкреплением — социальной дилемме и координационной гонке, где направленное влияние между выбранными парами агентов по построению равно нулю, — авторы проверяют контрольный механизм (guardrail) при отчётности информационно-теоретических мер против известной истины на 100 seed'ах. Пропуск исключения нестационарного переходного этапа обучения даёт частоты ложноположительных результатов 100.00% и 99.95%, а исключение одного лишь переходного этапа всё же оставляет 11.8% в координационной игре. Вместо этого они рекомендуют перестановку источника внутри блоков времени обучения, что даёт 5.25% и 5.50% и является единственной из проверенных нулевых гипотез, находящейся на уровне размера теста или ниже в обеих играх; код и данные опубликованы.