层次化多智能体中的时间上下文注意力

Source: Dev.to

挑战概述

考虑一个场景，其中 N 个层次化多智能体系统，每个系统包含 M 个智能体，共同在同一工作空间中运行。智能体需要完成 K 项不同任务，每项任务都有其独特的时间上下文、非平稳奖励函数以及多个利益相关者。

约束条件

• 每个系统中的智能体与一个随时间演化的公共知识图谱进行交互。
• 每项任务的奖励函数是非平稳的；其参数会根据预定义但未知的概率分布发生变化。
• 每个利益相关者拥有唯一的奖励函数，可能会优先考虑不同的任务或智能体。
• 每项任务的时间上下文会影响决策，其奖励函数受其他智能体行为的影响。
• 智能体必须对全局状态进行推理，考虑所有任务和利益相关者的知识图谱、奖励函数以及时间上下文。

评估指标

AI 智能体将根据以下能力进行评估：

1. 最大化累计奖励，覆盖所有任务和利益相关者。
2. 适应奖励函数、知识图谱和时间上下文的变化。
3. 有效推理系统的全局状态，并做出平衡个人与整体目标的决策。

数据集

将提供一个合成数据集，包含：

• 任务描述：时间上下文、奖励函数和知识图谱。
• 智能体交互：观测、动作和奖励。
• 利益相关者描述：奖励函数和优先级。

提交指南

提交内容应包括：

• 对所提 AI 智能体架构的详细描述，涵盖推理机制、知识表示和决策过程。
• 在公开可访问的代码仓库中托管实现。
• 明确的复现结果的操作说明。

评审标准

• 性能：在评估指标（累计奖励、适应性、全局推理）上的表现。
• 架构质量：可扩展性、鲁棒性和可维护性。
• 提交的清晰度与简洁性：文档、代码组织和测试情况。

最佳提交将获得殊荣奖，并成为层次化多智能体系统未来 AI 研究的基准。