GARDEN框架实现多智能体奖励跨场景复用，未见场景胜率升至89.9%

据论文GARDEN（Generalist Autonomous Reward Design through Evidence Navigation），作者Dogan Urgun提出一种面向合作式多智能体强化学习的通用自主奖励设计方法：由大语言模型担任奖励工程师，考察环境代码、训练记录与智能体行为，并在试训练中检验奖励草稿，学习算法与最终奖励选取规则保持固定，从而为一系列相关场景开发单一奖励程序，并原样迁移至设计阶段未出现的场景。论文称，在Overcooked与SMAX基准的未见场景上，两种厨房布局的任务回报较默认奖励分别提升58.2%和52.5%，两个战斗场景的平均胜率由51.0%升至89.9%；在候选与探测预算匹配条件下，该结果高于固定诊断反馈的84.2%与受Eureka启发的奖励反思的79.2%。作者据此认为，单一自主设计的奖励可在相关合作场景间有效复用。该研究为预印本…