共 1 篇
论文构建了信息分散的多 agent 决策考场:关键信息分给不同参与者后成功率平均掉 22.9 个点,自己检索再掉 19.9 个点;只用最终决策做奖励的强化学习能同时改善决策与协调。文中讲清两个缺口与测法。