NePPO论文v3：学习势函数求一般和博弈近似纳什均衡

Kalanther、Bharvirkar、Sastry和Maheshwari在arXiv更新论文v3，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，用零阶梯度下降最小化新目标，在混合合作—竞争的一般和博弈中计算原始博弈的近似纳什均衡并返回相应策略。 作者称实验显示该方法优于IPPO和MAPPO等常用基线；该说法基于论文摘要，具体实验设置与结果细节材料未提供。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。