MA-FPPO: Multi-Agent Flow-Pretrained Policy Optimization

arXiv cs.AI · 29 sept, 06:00

Investigadores presentan MA-FPPO, un método para mejorar políticas multi-agente preentrenadas mediante ajuste fino en línea. El sistema aprende comportamiento cooperativo desde datos offline y se adapta a nuevas situaciones mediante interacción con el entorno, logrando mejoras del 52,8% sobre baselines offline.