# 同伴适应

多智能体强化学习中，对手建模通常把推断出的同伴表征与当前观测拼接后一起编码，两者如何相互作用只能留给策略学习去隐式发现。PCOR改为非对称结构：观测特征作为当前交互状态的基础表示，同伴表征只调制这些特征如何被解读。在两个部分可观测基准上，PCOR在未见同伴上的最终评估表现高于所报告的基线；在POO上，与使用相同编码器、仅融合方式不同的拼接变体相比，评估成功率从30.2%升到51.1%。

多智能体强化学习中，对手建模通常把推断出的同伴表征与当前观测拼接后一起编码，两者如何相互作用只能留给策略学习去隐式发现。PCOR改为非对称结构：观测特征作为当前交互状态的基础表示，同伴表征只调制这些特征如何被解读。在两个部分可观测基准上，PCOR在未见同伴上的最终评估表现高于所报告的基线；在POO上，与使用相同编码器、仅融合方式不同的拼接变体相比，评估成功率从30.2%升到51.1%。