研究提出反身性阈值刻画多智能体执行性预测相变

Ahmed Mahrous 与 Roberto Di Pietro 发布一篇已被 NeurIPS 2026 接收的 arXiv 研究论文，提出反身性矩阵 Γ，用以区分多智能体执行性预测中重复再训练的稳定与失稳状态。 论文给出谱阈值刻画：当 Γ 的谱半径小于 1 时，重复再训练以几何速度收敛到唯一的执行性稳定均衡；谱半径超过 1 时，在构造的超临界实例中，局部信息学习者的期望累计超额损失在时域内线性增长。该结果给出上下界，并将单智能体标量阈值作为特例涵盖在内。

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。