arXiv · cs.AI· Addison Kalanther, Sanika Bharvirkar, Shankar Sastry, Chinmay Maheshwari·· 6 小时前
NePPO用于一般和博弈多智能体强化学习的近似纳什均衡优化
NePPO: Near-Potential Policy Optimization for General-Sum Multi-Agent Reinforcement Learning
arXiv:2603.06977v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Addison Kalanther, Sanika Bharvirkar, Shankar Sastry, Chinmay Maheshwari
研究任务与主要进展
作者提出多智能体强化学习流程NePPO，通过学习与玩家无关的势函数，在混合合作—竞争环境中计算原始博弈的近似纳什均衡。其算法利用零阶梯度下降最小化新目标并返回近似纳什均衡策略，基于论文摘要的实验称相较IPPO和MAPPO表现更优，但具体实验设置与结果细节未提供。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org