猎人

在这篇论文中，研究者提出了一个在 reward-space 进行探究的新算法 RPG（Reward-Randomized Policy Gradient），并且在存在多个纳什均衡 (Nash Equilibrium, NE) 的挑战性的多智能工作中进行了实验验证，实验结果表明，RPG 的表现显著优于经典的 policy/action-space 探究的算法，并且发现了很多有趣的、人类可以理解的智能…