通过相互条件性约束承诺改进国际气候政策
计算机与社会
2023-07-27 v1 人工智能
摘要
本文提出对 RICE-N 仿真与多智能体强化学习框架的增强，以提升国际气候政策谈判的现实性。在肯定该框架价值的同时，我们强调需进行显著增强以建模气候谈判中的多样化因素。基于我们先前关于“条件承诺机制”（CCF 机制）的工作，我们探讨缩小仿真与现实差距的途径。我们建议引入推荐或规划智能体以加强协调，通过纳入社会因素与非缔约方利益相关者子智能体来解决 Real2Sim 差距，并提议改进底层强化学习求解算法。这些改进旨在推进谈判协议的评估与制定，以在 Rice-N 中实现更有效的国际气候政策决策。然而，仍需进一步实验与测试以确定这些建议的影响与有效性。
引用
@article{arxiv.2307.14266,
title = {Improving International Climate Policy via Mutually Conditional Binding Commitments},
author = {Jobst Heitzig and Jörg Oechssler and Christoph Pröschel and Niranjana Ragavan and Richie YatLong Lo},
journal= {arXiv preprint arXiv:2307.14266},
year = {2023}
}
备注
Presented at AI For Global Climate Cooperation Competition, 2023 (arXiv:cs/2307.06951)