AI na Matatizo Magumu ya Ulimwengu · Sayansi ya kompyuta ya kinadharia · arXiv · 2026-10-21
Kutokuwa Thabiti Kunaharibu Vibadala vya Permutation katika Reinforcement Learning ya Mawakala Wengi: Utambuzi na Marekebisho
Kichwa asilia: Non-Stationarity Breaks Permutation Surrogates in Multi-Agent Reinforcement Learning: Diagnosis and Remedies
Katika michezo miwili ya reinforcement learning ya mawakala wengi, dilema ya kijamii na mbio za uratibu ambako ushawishi ulioelekezwa kati ya jozi zilizochaguliwa za mawakala ni sifuri kwa mujibu wa muundo, waandishi hujaribu kinga ya ripoti kwa vipimo vya nadharia ya taarifa dhidi ya ukweli halisi kwa seeds 100. Kutotenga kipindi cha mpito kisichothabiti cha mafunzo kunatoa viwango vya chanya-bandia vya 100.00% na 99.95%, na kuutenga ule pekee bado kunawacha 11.8% katika mchezo wa uratibu. Badala yake wanapendekeza kubadilisha mpangilio wa chanzo ndani ya vitalu vya muda wa mafunzo, ambayo inafikia 5.25% na 5.50% na ni pekee kati ya nulls zilizopimwa iliyo kwenye au chini ya ukubwa wa jaribio katika michezo yote miwili, na msimbo na data zimetolewa.