LLM-ALSO für MARL

Das Paper präsentiert LLM-ALSO, ein iteratives Framework zur adaptiven Optimierung von Lernsignalen in der multiagenten Reinforcement Learning (MARL). Es nutzt große Sprachmodelle (LLMs) für die Diagnose und Vorschlag von Reward-Shaping-Konfigurationen, um die Koordination und das Lernen in Umgebungen mit dünn besetzten Belohnungen zu verbessern. Der Ansatz reduziert den Risikofaktor durch unzuverlässige Modifikationen und zeigt eine Verbesserung der Evaluationsleistung und des Lernerfolgs. Die Arbeit ist relevant für die Entwicklung von autonom agierenden Systemen, die in komplexen sozialen Interaktionen effektiv kooperieren können.