论文
面向协作多智能体强化学习的LLM引导通信
LLM-Guided Communication for Cooperative Multi-Agent Reinforcement Learning
摘要
通信是多智能体强化学习（MARL）中缓解部分可观测性的关键组成部分，但以往方法往往依赖低效的信息交换或无法传递充分的状态信息。为此，我们提出LLM驱动的多智能体通信（LMAC），利用LLM的推理能力设计一种通信协议，使所有智能体能够尽可能准确且一致地重建底层状态。LMAC利用显式的状态感知准则迭代地改进协议，在提升状态恢复能力的同时缩小智能体之间的知识差异。在多样化MARL基准上的实验表明，LMAC改善了各智能体的状态重建，并相比以往通信基线取得显著性能提升。
