知道不该做什么：利用语言模型洞见对多智能体强化学习的动作空间进行剪枝

基于摘要分析。该研究针对多智能体强化学习（MARL）中智能体数量增加导致联合动作空间组合爆炸的问题，提出 Evolutionary action SPAce Reduction with Knowledge（eSpark）。其核心贡献是利用大语言模型（LLMs）生成探索函数，剪除冗余或无关的状态—动作对，并通过策略反馈自主改进，以辅助 MARL 的探索与学习。 机制方面，eSpark 以描述整体任务和环境的基础提示为输入，零样本生成探索函数。相比依赖人工设计先验知识或特定问题结构的动作空间压缩方法，作者试图降低剪枝规则的人工设计负担。摘要未说明探索函数的具体表示、策略反馈如何驱动更新，以及如何避免误删关键动作；这些机制细节尚未验证。 作者报告，在库存管理与交通信号控制两类任务、合计 15 个场景中，eSpark 在全部场景中优于其所结合的 MARL 算法，两类任务的平均性能增益分别为 34.4% 和 9.9%。作者还报告，在超过 500 个智能体的可扩展性挑战中取得 29.7% 的性能提升。摘要未给出这些增益对应的具体评价指标、基线配置、训练预算或随机种子，因此不能将其解释为 Accuracy 提升，也不能直接比较不同任务的增益。 复现时可核对来源提供的代码，重点检查 LLM 与提示设置、生成函数的执行约束、反馈更新流程、剪枝后动作覆盖情况，以及生成与评估的额外成本。实验协议、消融及统计信息尚未验证。原论文研究对象是多智能体决策，并非神经信号解码；材料不足以建立具体 EEG/BCI 迁移路径，已有 EEG 相关工作尚未检索确认。