N 智能体临时团队协作中的集中式 Critic

研究比较了 N 智能体临时团队协作中两类集中式 Critic 优势估计器：仅使用受控智能体历史的估计器，以及纳入非受控队友历史的联合估计器。理论证明两者均无偏，并刻画联合历史估计器方差严格更低的条件；实验显示，联合历史 Critic 在多种任务上持平或优于受控历史 Critic，提升样本效率和最终回报。