El colapso del simulador en el aprendizaje por refuerzo multiagente
Resumen del corpus
Se investiga el colapso del simulador en el aprendizaje por refuerzo multiagente (MARL) cuando los agentes son entrenados contra un único modelo de lenguaje grande (LLM). Se demuestra que las políticas entrenadas contra estos simuladores pueden aprender estrategias estrechas que no generalizan a usuarios reales. Se proponen dos soluciones, el Muestreo Verbalizado y el Co-Entrenamiento, para mejorar la generalización y la diversidad de las políticas.
Tags
Personas mencionadas
Noticia original