মাল্টি-এজেন্ট রিইনফোর্সমেন্ট লার্নিং ক্যুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. MARL-এ একজন এজেন্টের দৃষ্টিকোণ থেকে পরিবেশকে কী 'অস্থির' করে তোলে?
   • অন্যান্য এজেন্টরা একই সাথে তাদের নিজস্ব নীতি শিখছে এবং পরিবর্তন করছে
   • পুরস্কার ফাংশন এলোমেলোভাবে প্রতিটি পর্ব পুনরায় সেট করা হয়
   • রাষ্ট্রীয় স্থান সময়ের সাথে আবদ্ধ ছাড়াই বৃদ্ধি পায়
   • সেন্সর শোরগোল পর্যবেক্ষণ ফেরত
2. 'বিকেন্দ্রীভূত এক্সিকিউশন সহ কেন্দ্রীভূত প্রশিক্ষণ' (CTDE) এর অর্থ কী?
   • এজেন্টদের প্রশিক্ষণ দেওয়া হয় এবং একটি একক কেন্দ্রীয় সার্ভারে চালানো হয়
   • একটি ভাগ করা সমালোচক প্রশিক্ষণের সময় বিশ্বব্যাপী তথ্য ব্যবহার করে, কিন্তু এজেন্টরা স্থাপনার সময় স্থানীয় পর্যবেক্ষণে কাজ করে
   • একজন মাস্টার এজেন্ট রানটাইমে অন্য সকলকে কমান্ড জারি করে
   • প্রশিক্ষণ তথ্য কেন্দ্রীভূত কিন্তু পুরস্কার বিকেন্দ্রীকৃত হয়
3. কোন গাণিতিক কাঠামো একক-এজেন্ট এমডিপিকে একাধিক এজেন্টে সাধারণীকরণ করে?
   • একটি লিনিয়ার প্রোগ্রাম
   • লুকানো মার্কভ মডেল
   • একটি মার্কভ খেলা (স্টোকাস্টিক খেলা)
   • একটি সীমিত-রাষ্ট্র অটোমেটন
4. একটি বিশুদ্ধভাবে সমবায়ী MARL সেটিংয়ে, সাধারণত কীভাবে পুরষ্কার গঠন করা হয়?
   • প্রতিটি এজেন্ট একটি পুরষ্কার সর্বাধিক করে যা অন্যের নেতিবাচক
   • শুধুমাত্র দ্রুততম এজেন্ট কোন পুরস্কার পায়
   • প্রতিটি ধাপে এলোমেলোভাবে পুরস্কার বরাদ্দ করা হয়
   • এজেন্টরা একটি সাধারণ টিম পুরষ্কার ভাগ করে যা তারা যৌথভাবে সর্বাধিক করে
5. Which training approach did OpenAI Five use to improve at Dota 2?
   • Self-play against copies of its own current and past policies
   • A fixed lookup table of human moves
   • A supervised-only classifier trained on image labels
   • A single policy trained only against a static scripted opponent
6. কেন 'ক্রেডিট অ্যাসাইনমেন্ট' সমবায় MARL-এ বিশেষভাবে কঠিন?
   • পুরষ্কারগুলি অবিলম্বে আসে এবং ট্রেস করা সহজ
   • কোন এজেন্টের ক্রিয়াকলাপ একটি ভাগ করা দলের ফলাফলে অবদান রেখেছে তা নির্ধারণ করা কঠিন
   • শুধুমাত্র একজন এজেন্ট পুরস্কার পাচ্ছেন
   • এজেন্টরা কোনো পুরস্কার পালন করতে পারে না
7. What structural constraint does QMIX place on its mixing network?
   • It must be a linear sum with fixed weights
   • It ignores all individual agent values
   • The joint action-value is monotonic in each agent’s individual value
   • It requires communication at every action step
8. How does Value Decomposition Networks (VDN) form the team action-value?
   • By multiplying all rewards by the number of agents
   • By selecting the largest local reward only
   • By training a separate team for each agent
   • By summing the individual agents’ action-values