6.3.1 信度分配 (Credit Assignment)：如何衡量个体对集体目标的贡献

文档摘要

6.3.1 信度分配 (Credit Assignment)：如何衡量个体对集体目标的贡献 6.3.1 信度分配（Credit Assignment）：如何衡量个体对集体目标的贡献 ——一个被低估的“反向传播幽灵”，在多智能体强化学习中真实撕裂过我们三台GPU服务器的故障复盘凌晨两点十七分，监控告警第三次弹出：的策略梯度方差突增47倍，的价值函数崩溃为 NaN，而整个集群在连续18小时训练后，集体目标（城市交通信号灯协同优化的平均通行延误下降≥23%）不升反降——从14.8秒滑落到16.3秒。这不是模拟器里的玩具实验，这是部署在杭州城西科创大走廊的真实边缘计算节点群，运行着我们自研的异构多智能体交通调度系统（MA-TRAFFIC v2.1）。