# 对手塑形

在一般和博弈中，让智能体影响对手学习过程的方法此前需要读取对手的策略、参数或学习规则。一项研究把单智能体强化学习里“元学习出更新规则”的做法搬到多智能体场景，元训练出一条只读自身经验与收益矩阵的规则，部署时不再接触对手内部信息。在囚徒困境、匹配硬币、胆小鬼、猎鹿与硬币游戏的对阵循环赛中，该规则在五款博弈的归一化平均得分上排名第一，自博弈得分同样第一。

在一般和博弈中，让智能体影响对手学习过程的方法此前需要读取对手的策略、参数或学习规则。一项研究把单智能体强化学习里“元学习出更新规则”的做法搬到多智能体场景，元训练出一条只读自身经验与收益矩阵的规则，部署时不再接触对手内部信息。在囚徒困境、匹配硬币、胆小鬼、猎鹿与硬币游戏的对阵循环赛中，该规则在五款博弈的归一化平均得分上排名第一，自博弈得分同样第一。