连续博弈里不再各自追收益：改追后悔值，DRAC在两类序贯博弈中把可利用度压到10⁻⁴量级
连续一般和博弈中的多智能体学习长期受困于非平稳性：各智能体同时最大化自身收益，学习目标不断移动。DRAC把优化目标从收益最大化换成后悔最小化，用蒙特卡洛采样固定对手动作、采样单边偏离来构造平稳的后悔目标，并由双头评论家分别预测最佳响应收益与后悔值。在三智能体五轮序贯古诺寡头和两智能体五阶段比例奖金竞赛中，DRAC的可利用度分别收敛到1.37×10⁻⁴和7.45×10⁻⁴，平均相对绝对偏差为0.011和0.030，均低于同等训练轮数下的MADDPG。