知道哪些动作不该做：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，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，并利用策略反馈持续改进。 核心机制是以描述总体任务与环境设置的基础提示为输入，零样本生成探索函数，再通过策略反馈实现自主改进。相较于依赖人工先验或特定问题结构的动作空间压缩方法，作者希望降低规则设计负担。摘要未说明探索函数的具体形式、动作约束的执行方式、反馈如何驱动函数更新，以及剪枝与所结合 MARL 算法的训练接口，这些机制细节尚未验证。 作者报告，在库存管理和交通信号灯控制两类任务、合计 15 个场景中，eSpark 在所有场景均优于与其结合使用的 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，在包含超过 500 个智能体的可扩展性挑战中，性能提升为 29.7%。摘要未明确性能指标、增益计算方式、基线配置及随机重复次数，因此这些相对收益不能解释为 Accuracy 或百分点提升，也不宜跨任务直接比较。 复现时应核对提示与 LLM 配置、探索函数更新流程、剪枝错误的纠正机制，以及性能收益与额外生成成本之间的关系。摘要提供了代码仓库地址，但代码完整性、运行条件、实验协议、消融及统计信息尚未验证。 研究的主要对象是库存管理与交通控制中的 MARL，而非神经信号建模。现有材料未建立动作剪枝与 EEG 解码瓶颈的具体对应关系，因此不据此提出 BCI 迁移效果或复现实验建议；已有 EEG 相关工作尚未检索确认。