MAVIC 方法提升多智能体指令遵从

Wo Wei Lin 等研究者提出 MAVIC（Macro-Action Value Correction for Instruction Compliance），用于解决多智能体强化学习中自然语言指令打断宏观动作时 Bellman 更新导致价值估计不一致的问题，论文发布于 arXiv（2605.12655）。 据论文介绍，该方法在指令边界处修正 Bellman 备份：校正新进入的指令目标，并在当前目标下恢复延续价值。论文已被 NeurIPS 2026 接收为 Poster。

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。