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.
메모리 기반 조율: 동적 제조 환경에서 다중 에이전트 적응을 위한 그래프 구조 경험 재사용
CTC: 협력적 다중 에이전트 강화학습을 위한 복합 과제 챌린지
ArogyaSutra: Indic 언어 멀티모달 의료 추론을 위한 멀티 에이전트 프레임워크
도달 가능성 목표를 갖는 턴 기반 확률적 게임에서의 PAC 학습: 기대 조건부 거리를 통한 분산형 사적 접근
자기 유도 셀룰러 네트워크의 고속 페이딩 채널 및 전력 최적화
수색·구조를 위한 자율 UAV 군집의 지능형 3계층 학습 아키텍처
NetForge RL: 지속형 행동을 갖춘 사이버 방어용 다중 에이전트 시뮬레이션 환경
협력형 다중 AUV 시스템을 위한 작업 지향 감지 및 은밀 전송
MASPRM: 다중 에이전트 시스템 과정 보상 모델
도시 지역 프로파일링을 위한 도구 증강 증거 기반 다중 에이전트 협력 추론
귀납적 논리 프로그래밍을 통한 강화학습 에이전트 설명
TerraZero: 대규모 무시연 셀프 플레이를 위한 절차적 주행 시뮬레이션
단순 보상으로부터 복잡한 집합 행동 밝히기
상호작용적 데이터 수집을 통한 분포적으로 강건한 강화학습: 근본적 난이도와 근최적 알고리즘
결정론적 정책을 이용한 확장 평균장 제어를 위한 액터-크리틱 학습
망각을 통한 공유 의미 형성: 비파트너십 조율 게임에서 망각이 개념적 정렬에 미치는 영향
적응형 다중 에이전트 시스템에서 정책 체제 간 전이학습
규칙 정렬 소형 언어 모델과 다중 에이전트 자기 수정을 활용한 폐루프 제어
연속 시간에서의 피드백 결합 메모리 시스템
비트가 아닌 신념의 복제: 에이전트 시스템을 위한 인식론적 상태 복제
AI 에이전트를 위한 규범 집행: 다중 에이전트 시스템에서 견고한 행동 형성
보안 제어 추천을 위한 지식 기반 다중 에이전트 프레임워크
라우팅, 통신, 추론: 효율적인 다중 에이전트 추론을 위한 게이트 라우팅과 적응적 깊이
LOGOS: A Living Logic for AI Agent Teams That Evolve With Humans
NextFund: 에이전트 기반 포트폴리오 관리를 위한 통합 성과 추적 플랫폼
SCALECUA: 검증 가능한 태스크 합성과 효율적인 온라인 강화학습을 통한 컴퓨터 사용 에이전트 스케일링
런타임 제약 메모리를 활용한 안전한 개방형 탐험을 위한 이종 에이전트 코호트
대화를 통한 월드 모델 정렬 기반 체화 멀티 에이전트 협력
Contract-Based Compositional Shielding for Safe Multi-Agent Reinforcement Learning
SolarChain-Eval: 분산 에너지 시장에서 신뢰할 수 있는 경제 에이전트를 위한 물리 제약 벤치마크
확장 가능한 양자 소자 튜닝을 위한 행동 분해 기반 다중 에이전트 강화학습
다중 에이전트 강화학습을 위한 이종 정보 병목 조정 그래프
컴퓨팅 파워 네트워크 상의 이기종 LLM 체화 에이전트를 위한 통신 효율적 디지털 트윈 조율
Agora: 경매 기반 태스크 할당을 통한 LLM 에이전트 추론 향상
강화학습의 수학적 방법론
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.