推出 PROWL-2：联合学习仿真与决策
世界模型是在基于模型的强化学习中引入的，作为一种学习得到的动力学模型或“转移函数”，用于预测下一个状态。其背后的动机是让强化学习能够通过模拟环境进行，而不需要直接与环境交互。世界模型还为智能体提供了一条路径，使其能够规划和推理自身行动的后果，而不是仅仅依赖规模。然而，从想象经验中学习的效果取决于世界模型本身：在其预测错误的地方，智能体会基于幻觉出的未来进行训练，并学到在真实环境中失败的行为。迄今为止，大多数世界模型所想象的世界里只有一个智能体，但最能带来教益的经验恰恰是与他…
推荐理由：原文给出多智能体世界模型与策略在同一训练循环中互相修复的机制，以及 SMACv2 与 MQE 上的具体对比数据。