Papers with Code 아카이브
Multi-agent Reinforcement Learning
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 1
- 평가표
- 3
- 보존된 평가 기록
- 3
The target of Multi-agent Reinforcement Learning is to solve complex problems by integrating multiple agents that focus on different sub-tasks. In general, there are two types of multi-agent systems: independent and cooperative systems.
Source: Show, Describe and Conclude: On Exploiting the Structure Information of Chest X-Ray Reports
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
Amadeus: 인간 모델들이 만날 때
다중 소형 에이전트 강화학습을 통한 도구 사용 시 인지적 오버헤드 감소
판매 학습: 다중 제품 시장에서 전략적 대규모 언어 모델 에이전트를 위한 강화학습
초과 경쟁적 결과를 넘어서: 최적 집행 게임을 위한 심층 강화학습에서의 담합 행위
자율주행 적용을 위한 상호작용 정책의 빠른 적응을 목표로 하는 메타 다중 에이전트 강화학습
LLM 에이전트 환경에서의 행동 결제 감사: 순서, 진행도 및 리플레이
관찰하고, 추론하고, 협력하라: 제로샷 협력을 위한 로봇 파트너의 제약 조건 추론
미래의 타협 없는 최적화가 가능한가? 집합 통신 및 강화학습을 통한 탈중앙화된 조율
FairTest: 다중 에이전트 강화학습 시스템을 위한 탐색 기반 공정성 테스트
안전성을 경쟁력으로 전환하기: 안전 필터링 강화학습을 통한 최소 착취성 로봇 정책
LEAP-CBF: 최소 노력 적대적 포텐셜(Least-Effort Adversarial Potentials)을 이용한 불확실 시스템용 안전 필터
진화적 안정성이 학습 도달 가능성을 보장하지는 않는다: 협력 창발에 대한 다중 에이전트 강화학습 관점
개별 규제는 준수하지만 집단적으로는 차별적인: 규제 금융 환경에서 멀티 에이전트 AI를 위한 거버넌스 아키텍처
지연된 정보 공유를 활용한 탈중앙화 부분 관측 팀 의사결정 방법론
MAGIC: 조밀한 보상 강화학습을 통한 점진적 구성 기반의 혼합 세분성 에이전트 그래프
PADiff: 애드혹 팀워크를 위한 예측 및 적응형 확산 정책
인지에서 제어로: 인간-휴머노이드 협력 운반을 위한 다중 에이전트 학습
운송 자원을 포함한 잡샵 스케줄링에서 결합 학습과 모듈형 학습 간 조율 격차 분석
CoFlow: 오프라인 다중 에이전트 의사결정을 위한 조율된 소수 스텝 Flow
MDForge: 희소한 시뮬레이터 피드백 하에서의 에이전틱 분자 동역학 파이프라인 설계
프로그래밍 정책 탐색을 통한 연속 게임용 반응형 캐릭터 행동 합성
범용 협력 지능: 회복력 있는 다중 에이전트 생태계를 위한 인지 아키텍처
탐험을 통한 시뮬레이션 축구 게임 내 다중 에이전트 강화학습의 샘플 효율성 향상
Linguistic Firewall: Geometry as Defense in Multi-Agent Systems Routing
자기 협상 계약을 통한 협력 약속
강화학습을 사용하여 날씨 및 기후 모델의 조정 가능 매개변수를 상태 의존 함수로 대체
정적 및 시변 네트워크에서의 분산 감소 Q-학습
한 손이 다른 손을 주시한다: 동적 환경에서 샘플 효율적 양손 조작을 위한 동적 다중 에이전트 협력
표 형식 다중 에이전트 Q-러닝에서 체화에 의해 유도되는 협조 체제
Agentic AI for Bilevel Long-Term Optimization of Policy-Driven Physical Layer Systems
맞춰 연기하기: 마음 이론을 통한 믿음 유도를 위한 이중 에이전트 방어자 학습
다중 에이전트 강화학습을 이용한 항공 회랑 내 저하된 감시 환경에서의 충돌 해소
신호등 없는 교차로에서 자율주행 차량을 위한 압축 잠재 조율
도시 케이블 배선 최적화를 위한 가변 이웃 탐색 알고리즘에서의 샘플링 학습
적응 가능한 다중 에이전트 강화학습을 향하여: 가정 인식 리뷰
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.