Spike-BiST：面向多智能体强化学习的脉冲表示与替代梯度双向稳定化

基于摘要分析。本文研究多智能体强化学习中脉冲神经网络策略的训练不稳定问题，提出 Spike-BiST，通过协调脉冲表示适应与替代梯度调节，应对多个智能体并行更新引起的观测分布和学习信号变化。其主要研究对象是多智能体决策策略，而非 EEG 解码或 BCI。 机制上，框架采用双通道自适应群体编码，使感受野适应观测，并维持不同训练条件下脉冲表示的一致性；同时引入可靠性驱动的调制机制，将强化学习信号与脉冲动力学结合，以降低替代梯度传播中的波动。摘要未提供双通道的具体定义、可靠性计算方式、调制公式及训练配置，因而尚不能判断两部分如何耦合及各自的独立贡献。 作者报告，在 SMAC、GRF 和 MPE 上，Spike-BiST 改善了任务表现与训练稳定性，且策略网络的估算推理能耗低于 ANN 模型。摘要未给出具体任务配置、对照模型、结果数值及能耗估算口径；实验协议、消融及统计信息尚未验证。这里的能耗结果属于估算，不能等同于实际硬件上的测量收益。 其稳定化机制针对多智能体策略更新造成的非平稳性，不能直接等同于 EEG 中的跨被试或跨会话分布变化。材料尚未建立从该机制到 EEG/BCI 任务的具体对应关系，因此不据此提出迁移效果或复现实验建议；相关 EEG 工作尚未检索确认。