6.2 训练范式

文档摘要

6.2 训练范式第六章：多智能体强化学习（MARL）——训练范式的工程落地手记你有没有试过让五个机器人在仓库里协同搬运货物，却眼睁睁看着它们在同一个十字路口反复“礼貌让行”，最终谁也不动？或者调试一个交通信号灯协同优化系统，发现每个路口的智能体学得飞快，可整体通行效率却比随机策略还低？这不是玄学，这是 MARL 训练范式失配时最真实的刺痛感——它不报错，不崩溃，只是沉默地失效。而这种失效，往往源于我们对“怎么训”这件事，想得太轻、写得太糙、调得太急。 6.2 节不是理论巡礼，它是 MARL 工程师每日直面的战场。在这里，“范式”不是教科书里的分类标签，而是决定模型能否收敛、策略能否泛化、系统能否上线的底层契约。