知道什么不该做：利用语言模型洞见进行多智能体强化学习动作空间剪枝

基于摘要分析。本文研究多智能体强化学习（MARL）中随智能体数量增加而出现的动作空间组合爆炸问题，提出由大语言模型（LLMs）驱动的探索函数生成框架 Evolutionary action SPAce Reduction with Knowledge（eSpark），通过剪除冗余或无关的状态—动作对改善探索。 核心机制是以描述整体任务与环境的基础提示为输入，零样本生成探索函数，再利用策略反馈自主改进。其方法动机是降低现有动作空间压缩技术对人工先验和特定问题结构的依赖。摘要未给出探索函数的表示形式、剪枝如何接入 MARL、策略反馈如何更新函数，以及错误剪枝的恢复机制，这些细节尚未验证。 作者报告，在库存管理和交通信号灯控制两类强化学习任务、共 15 个场景中，eSpark 相对其所结合的 MARL 算法在全部场景取得提升，两类任务的平均性能增益分别为 34.4% 和 9.9%；在超过 500 个智能体的可扩展性挑战中，作者报告提升 29.7%。这些数值是原文所述性能相对增益，不能解读为 Accuracy 或百分点变化；具体指标、基线配置、场景划分、随机种子、消融及统计信息尚未验证。摘要提供了代码地址，但实现可用性及复现条件尚未核对。 平台推测（待验证）：该机制可能适用于具有明确状态、离散候选动作及可描述约束的 BCI 辅助交互策略，而不是直接用于 EEG 信号解码。可复用部分是探索函数生成与策略反馈循环，需改造的是状态描述、动作约束和奖励定义。假设低信噪比 EEG 引起的状态误判及跨被试差异会导致有效动作被误剪，小数据反馈也可能使剪枝偏差累积。一个可证伪的小实验是在固定 EEG 解码器和交互环境下，对比不剪枝、规则剪枝与 eSpark，核对任务回报及有效动作误剪率。已有 EEG 相关工作尚未检索确认；原文结果不构成 BCI 有效性的证据。