大模型时代的多智能体强化学习

传统MARL在解决多智能体间信用分配与高效协同问题上已形成一套成熟的理论与方法，然而，如何将这些经典理论与基于大模型的现代智能体相结合，成为了当前的前沿挑战。本报告将系统性地梳理MARL从经典到大模型时代的技术演进脉络。具体包括：回顾以信用分配为核心的经典MARL框架，解析其如何解决同/异构智能体集群的协同决策难题；随后，报告将重点转向大模型多智能体系统与MARL的融合；并在最后展望这一交叉领域的未来趋势，探讨构建更通用、更强大的多智能体自治系统方面的潜在可能。