Mohamed Ayman Mohamed

多智能体强化学习不再需要读取同伴的私有奖励：每个智能体用自己学到的奖励模型去评估同伴的转移，在 Escape Room、Clean Up 和 Commons Harvest 三个序贯社会困境中都能学出合作，且常比能看到真实奖励的智能体分得更均。

多智能体强化学习不再需要读取同伴的私有奖励：每个智能体用自己学到的奖励模型去评估同伴的转移，在 Escape Room、Clean Up 和 Commons Harvest 三个序贯社会困境中都能学出合作，且常比能看到真实奖励的智能体分得更均。