异构社会价值取向导致序贯社会困境中有意义的策略多样性
多智能体系统
2023-05-02 v1 机器学习
摘要
在社会心理学中，社会价值取向(SVO)描述个体在自身与他人间分配资源的倾向。在强化学习中，SVO被实例化为一种内在动机，基于特定的群体奖励目标分布重映射智能体奖励。先前研究表明，在类似囚徒困境激励结构的设定中，具有异构SVO的智能体组学会多样化策略。我们的工作扩展了该系列结果，证明：(1) 在序贯社会困境的多种激励结构下，异构SVO导致由任务特定多样性指标度量的有意义多样化策略；且(2) 学习对此类策略多样性的最优响应在某些情形下带来更好的零样本泛化。我们展示这些最优响应智能体学到了以共同参与者为条件的策略，我们推测此为零样本泛化改善之因。
引用
@article{arxiv.2305.00768,
title = {Heterogeneous Social Value Orientation Leads to Meaningful Diversity in Sequential Social Dilemmas},
author = {Udari Madhushani and Kevin R. McKee and John P. Agapiou and Joel Z. Leibo and Richard Everett and Thomas Anthony and Edward Hughes and Karl Tuyls and Edgar A. Duéñez-Guzmán},
journal= {arXiv preprint arXiv:2305.00768},
year = {2023}
}