研究提出事件驱动的多智能体行为动态重配置框架

Hannes Büchi、Manon Flageat、Eduardo Sebastián 和 Amanda Prorok 提出一种基于事件触发的多智能体强化学习框架，使智能体身份与行为解耦，并能根据任务事件动态切换角色，实现行为重配置。 该框架结合神经流形多样性（NMD）度量与事件驱动超网络，通过生成低秩适配（LoRA）模块动态调整智能体策略。研究实验显示，该方法在多个基准测试中优于现有基线，并能实现零样本泛化，适用于需要按任务进程顺序重新分配智能体行为的场景。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。