# MIRL（元梯度知情多目标多智能体强化学习）

多目标多智能体强化学习此前把多个目标当作叠加在多智能体问题上的额外优化维度。MIRL把目标结构本身用来引导协作：团队偏好固定系统级取舍，每个智能体另有一个可学习的个体偏好，由元梯度按后续团队表现调整。在四个多目标粒子环境任务上，MIRL-S与MIRL-D的帕累托前沿质量优于五个基线，动态变体MIRL-D整体最强。

多目标多智能体强化学习此前把多个目标当作叠加在多智能体问题上的额外优化维度。MIRL把目标结构本身用来引导协作：团队偏好固定系统级取舍，每个智能体另有一个可学习的个体偏好，由元梯度按后续团队表现调整。在四个多目标粒子环境任务上，MIRL-S与MIRL-D的帕累托前沿质量优于五个基线，动态变体MIRL-D整体最强。