研究者提出离线MARL框架SCOUT

2026年10月5日，相关研究提出了离线多智能体强化学习（MARL）框架SCOUT。该框架首次通过测试时动作精炼，将生成基础模型与分解价值函数相结合。在具体实现上，SCOUT解耦训练了flow-matching行为先验与价值函数，并在测试时通过Stein变分梯度下降引导样本，利用传输步数实现自适应测试时扩展。实验结果显示，SCOUT在离散与连续离线MARL基准测试中均取得了最佳平均表现，并在所有离线转在线（offline-to-online）配置中均实现了性能提升。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。