对话外交官：用于自动化冲突解决与共识构建的端到端多智能体强化学习系统
多智能体系统
2025-11-25 v1 人工智能
摘要
冲突解决与共识构建是多智能体系统、谈判和协作决策过程中的关键挑战。本文引入对话外交官 (Dialogue Diplomats)，一个新颖的端到端多智能体强化学习 (MARL) 框架，旨在用于复杂动态环境中的自动化冲突解决与共识构建。该系统将先进的深度强化学习架构与基于对话的谈判协议集成，使自主智能体能够通过迭代交流和战略适应进行复杂的冲突解决。我们提出了三个主要贡献：首先，一种新颖的层次共识网络 (HCN) 架构，将注意力机制与图神经网络结合，用于建模智能体间的依赖关系和冲突动态；其次，一种渐进式谈判协议 (PNP)，结构化多轮对话互动并采用自适应让步策略；最后，一种情境感知奖励引导机制，用于平衡 individual agent 目标与集体共识目标之间的关系。
引用
@article{arxiv.2511.17654,
title = {Dialogue Diplomats: An End-to-End Multi-Agent Reinforcement Learning System for Automated Conflict Resolution and Consensus Building},
author = {Deepak Bolleddu},
journal= {arXiv preprint arXiv:2511.17654},
year = {2025}
}