arXiv · cs.AI· Raz Shmueli, Shahaf S. Shperberg·· 6 小时前
CA-MAMBA：在想象中开展受约束多智能体强化学习
Constrained Multi-Agent Reinforcement Learning in Imagination
arXiv:2610.21319v1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：Raz Shmueli, Shahaf S. Shperberg
研究任务与主要进展
作者提出CA-MAMBA，在多智能体世界模型中进行受约束策略更新。基于论文摘要的实验显示，在SMAC中位配置下，模型无关强基线需要CA-MAMBA约10至20倍的交互次数；在相同预算下，CA-MAMBA取得的MAMuJoCo奖励为基线的2.8至12倍。
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