Multi-agent RL전문가
SCOUT, 오프라인 MARL에서 플로 매칭 사전과 분해 가치 기울기로 테스트타임 조정 복원
SCOUT는 오프라인 다중 에이전트 강화학습에서 플로 매칭 행동 사전과 분해 가치함수를 결합하고, 테스트 시점에 Stein 변분 기울기로 행동 후보를 고가치 영역으로 수송하는 프레임워크다. SMACv1 12개 데이터셋 평균 보상 16.1, MA-MuJoCo 12개 데이터셋 평균 정규화 점수 82.12로 비교 모델 중 최고 평균을 기록했다. 이 논문은 arXiv 프리프린트로, 동료 심사 게재 여부는 확인되지 않았다.