Quiz lié à un guide · Moyen Niveau
Quiz d'apprentissage par renforcement multi-agents
Étudiez comment plusieurs agents d'apprentissage par renforcement apprennent sous des récompenses partagées, des adversaires changeants, des vues partielles et des contraintes de coordination.
Question 1 de 8
Qu'est-ce qui rend l'environnement « non stationnaire » du point de vue d'un agent dans MARL ?
Prévisualisez chaque question8 des questions
Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.
- Qu'est-ce qui rend l'environnement « non stationnaire » du point de vue d'un agent dans MARL ?
- D’autres agents apprennent et modifient simultanément leurs propres politiques
- La fonction de récompense est réinitialisée de manière aléatoire à chaque épisode
- L’espace d’état s’agrandit sans limite au fil du temps
- Les capteurs renvoient des observations bruyantes
- Que signifie « formation centralisée à exécution décentralisée » (CTDE) ?
- Les agents sont formés et exécutés sur un seul serveur central
- Un critique partagé utilise des informations globales pendant la formation, mais les agents agissent sur la base d'observations locales lors du déploiement.
- Un agent maître envoie des commandes à tous les autres au moment de l'exécution
- Les données de formation sont centralisées mais les récompenses sont décentralisées
- Quel cadre mathématique généralise le MDP mono-agent à plusieurs agents ?
- Un programme linéaire
- Un modèle de Markov caché
- Un jeu de Markov (jeu stochastique)
- Un automate à états finis
- Dans un environnement MARL purement coopératif, comment la récompense est-elle généralement structurée ?
- Chaque agent maximise une récompense qui est négative par rapport à celle d'un autre.
- Seul l'agent le plus rapide reçoit une récompense
- Les récompenses sont attribuées aléatoirement à chaque étape
- Les agents partagent une récompense d'équipe commune qu'ils maximisent ensemble
- 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
- Pourquoi l'« attribution de crédit » est-elle particulièrement difficile dans la coopérative MARL ?
- Les récompenses arrivent instantanément et sont faciles à retracer
- Il est difficile de déterminer quels actions d'un agent ont contribué à un résultat partagé par l'équipe
- Il n'y a qu'un seul agent qui reçoit une récompense
- Les agents ne peuvent observer aucune récompense
- 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
- 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