研究团队提出EFXPLORER多智能体探索框架
热点事件持续更新
研究团队提出EFXPLORER多智能体探索框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Sungil Son 等研究者在 arXiv 发布论文（arXiv:2611.07066），提出多智能体强化学习约束式探索框架 EFXPLORER，论文已被 NeurIPS 2026 接收。 该方法在保持任务性能的约束下最大化探索目标，通过 epigraph 重构引入自适应探索预算，将内在奖励与任务目标分离，并结合基于 successor distance 的内在奖励捕捉长时程依赖。论文称该方法在 SMAX、VMAS 和 MPE 三个基准套件上超越强基线，并诱导出新的协作策略。
AI 根据报道生成 · 3 小时前更新
最新进展11月6日 13:00
EFXPLORER：基于 Epigraph 形式引导探索的多智能体协作强化学习方法报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AIEFXPLORER：基于 Epigraph 形式引导探索的多智能体协作强化学习方法
研究者提出 EFXPLORER，一种约束式探索框架，在保持任务性能的约束下最大化探索目标，通过 epigraph 重构引入自适应探索预算，将内在奖励与任务目标分离，并结合基于 successor distance 的内在奖励捕捉长时程依赖。该方法在 SMAX、VMAS 和 MPE 基准套件上超越强基线，诱导出新的协作策略。论文已被 NeurIPS 2026 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。