提出ADiCo自适应多样性控制MARL框架

Patel 与 Jerath 在 arXiv 论文（arXiv:2610.18808）中提出 ADiCo，一个用双时间尺度在线自适应调节多智能体强化学习行为多样性的框架：快时间尺度将多样性调节到目标值，慢时间尺度用极值搜索控制（Extremum Seeking Controller）仅依据平均回合回报更新目标。 基于论文摘要，在两个合作型 MARL 任务的六种配置中，ADiCo 保持了适合任务的多样性水平，平均性能匹配或超过 DiCo（网格搜索得到的最优多样性目标）与 Unconstrained DiCo。证据阶段为作者在摘要中声称的结果，尚无独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。