Kuiz Pembelajaran Pengukuhan Pelbagai Agen

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Apakah yang menjadikan persekitaran 'tidak pegun' dari perspektif satu ejen dalam MARL?
   • Ejen lain pada masa yang sama belajar dan menukar polisi mereka sendiri
   • Fungsi ganjaran ditetapkan semula secara rawak setiap episod
   • Ruang negeri berkembang tanpa terikat dari semasa ke semasa
   • Sensor mengembalikan pemerhatian yang bising
2. Apakah maksud 'latihan terpusat dengan pelaksanaan terpencar' (CTDE)?
   • Ejen dilatih dan dijalankan pada pelayan pusat tunggal
   • Pengkritik yang dikongsi menggunakan maklumat global semasa latihan, tetapi ejen bertindak berdasarkan pemerhatian tempatan semasa penggunaan
   • Satu ejen induk mengeluarkan arahan kepada semua yang lain pada masa jalan
   • Data latihan adalah berpusat tetapi ganjaran tidak berpusat
3. Rangka kerja matematik yang manakah menyamaratakan MDP ejen tunggal kepada berbilang ejen?
   • Program linear
   • Model Markov tersembunyi
   • Permainan Markov (permainan stokastik)
   • Automatik keadaan terhingga
4. Dalam suasana MARL yang bersifat kerjasama semata-mata, bagaimanakah ganjaran biasanya distrukturkan?
   • Setiap ejen memaksimumkan ganjaran yang negatif daripada yang lain
   • Hanya ejen terpantas yang menerima sebarang ganjaran
   • Ganjaran diberikan secara rawak setiap langkah
   • Ejen berkongsi ganjaran pasukan biasa yang mereka maksimumkan bersama
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. Mengapakah 'tugasan kredit' amat sukar dalam MARL koperasi?
   • Ganjaran tiba serta-merta dan mudah untuk dikesan
   • Sukar untuk menentukan tindakan ejen yang menyumbang kepada hasil perkongsian pasukan
   • Hanya ada seorang ejen yang menerima ganjaran
   • Ejen tidak boleh melihat sebarang ganjaran sama sekali
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