8.1.3 强化学习库：PettingZoo, Ray Rllib, PyMARL

文档摘要

8.1.3 强化学习库：PettingZoo, Ray Rllib, PyMARL 当多智能体训练在 PettingZoo + Ray RLlib 中“静默崩溃”：一个关于环境重置信号丢失的真实故障排查手记你有没有过这样的时刻？模型训练日志里一切正常—— , ，梯度更新稳定，loss 曲线平滑下降……可三天后回看结果，却发现所有智能体在第 7 轮协作后集体“失忆”：它们不再推箱子、不再避让队友、甚至开始反复撞墙——不是策略退化，不是探索衰减，而是环境状态与策略网络之间的时间契约悄然断裂了。这不是玄学。