AI 與世界的難題 · 理論資訊科學 · arXiv · 2026-10-21
非平穩性破壞多智慧體強化學習中的置換替代法：診斷與補救措施
原標題: Non-Stationarity Breaks Permutation Surrogates in Multi-Agent Reinforcement Learning: Diagnosis and Remedies
在兩個多智慧體強化學習賽局中 (一個社會困境賽局與一個協調競速賽局，其中所選智慧體配對之間的有向影響在建構上即為零)，作者以 100 個隨機種子，對照真值檢驗了一項用於資訊理論量度的報告防護機制。若未排除非平穩的訓練暫態，偽陽性率為 100.00% 與 99.95%；即使僅排除暫態，協調賽局中的偽陽性率仍達 11.8%。他們反而建議在訓練時間區塊內對源智慧體進行置換，此方法的偽陽性率可達 5.25% 與 5.50%，且是受測虛無模型中唯一在兩個賽局均不大於檢定大小者；程式碼與資料均已釋出。