AAMAS'2025 上首届 MOASEI 比赛的技术报告

我们介绍了 Methods for Open Agent Systems Evaluation Initiative (MOASEI) 比赛，这是一个用于评估 open-world 条件下决策的多代理 AI 基准活动。基于 free-range-zoo 环境套件，MOASEI 引入了 dynamic、partially observable domains with agent and task openness——即实体可能出现、消失或随时间变化行为的环境。2025 年比赛包括三个轨道——Wildfire、Rideshare 和 Cybersecurity——每个轨道都突显了开放性和协调复杂性的不同维度。来自国际机构的 11 个团队参赛，其中四个团队提交了多样化的解决方案，包括图神经网络、卷积架构、预测建模和 large language model——驱动的 meta——优化。评估指标以 expected utility、对扰动的鲁棒性以及对环境变化的响应为中心。结果揭示了在 open 环境中实现 generalization 和 adaptation 的有前景的策略，为未来研究提供了实证见解和基础设施。这份报告详细介绍了比赛的设计、发现和对 open-agent 系统研究社区的贡献。