通过对比学习学习多智能体通信

基于摘要分析。本文研究多智能体强化学习中如何形成有效的共同通信语言，尤其关注去中心化设置。其核心贡献是将智能体之间传递的消息视为环境状态的不同不完整视图，通过对比学习提升同一轨迹内消息之间的互信息，以促进通信与协作。 机制上，方法关注发送与接收消息之间的关系，将消息作为状态信息的编码，而不只是协作过程中的附属输出。摘要未给出对比目标的具体形式、正负样本构造、消息编码方式，以及该目标与强化学习训练的结合方式，这些实现条件尚未验证。 作者报告，在通信对任务完成至关重要的环境中，该方法相较既有工作取得更好的任务表现与学习速度；作者还通过定性指标和表征探测，观察到更对称的通信，以及消息对环境全局状态信息的捕获。摘要未列明环境名称、对照方法、指标数值或训练预算，实验协议、消融及统计信息尚未验证，因此目前不能判断优势的幅度及适用边界。 本文的主要研究对象是多智能体强化学习通信，并非 EEG 解码或 BCI。摘要没有建立智能体消息与神经信号之间的具体对应关系，不据此推断其在跨被试、跨通道或低信噪比 EEG 场景中的有效性；已有 EEG 相关工作尚未检索确认。复现前应优先核对通信约束、轨迹采样与对比样本构造、强化学习基线及表征探测协议。