arXiv cs.LG· Dongsu Lee, Haoran Xu, Amy Zhang·· 29 天前AI 评分34
基于分解价值梯度流的测试期多智能体协同
Test-time Multi-agent Coordination by Decomposed Value Gradient Flow
AI 导读
离线多智能体强化学习框架 SCOUT 首次通过测试期动作精炼，将生成式基础模型与学习到的价值函数相结合。该框架解耦训练流匹配（flow-matching）行为先验与分解价值函数，在测试期借助 Stein 变分梯度下降将动作样本引导至高价值区域并实现自适应计算扩展。
来源：arXiv cs.LG · arxiv.org