毛航宇_强化学习多智能体和大语言模型多智能体.pdf

从强化学习(多)智能体

到大语言模型(多)智能体

毛航宇，快手科技

2024年10月12日@RLChina2024

目录

1.强化学习(多)智能体到大语言模型(多)智能体十年研究脉络梳理

2.强化学习(多)智能体到大语言模型(多)智能体代表工作选讲

DeepRLAgent(DRL)

Transformer-basedRLAgent(TRL)

LLM-basedAIAgent

3.企业实践中的心得体会

2

Background:RLAgents

Background:AIAgents

https://lilianweng.github.io/posts/2023-06-23-agent/

强化学习(多)智能体和大语言模型(多)智能体十年研究脉络

DeepRLDeepMARLNLPLLM–AIAgentLLM–AIAgents

15DRLFoundation--------

15-2:DQN

1615-2:TRPO------

15-6:GAECommunication

15-9:DDPGCommNet/BiCNet/ACCNet

1716-1:AlphaGoATOC/IC3Net/Gated-ACMLTransformer----

17-7:PPO

18NovelPerspectiveCTDEBERT----

RainbowDQN17:MADDPG/19:ATT-MADDPG

C51/QR-DQN18:VDN/QMIX

19EvolutionStrategy21:IPPO/MAPPOGPT-2----

Model-basedRL22:PTDE

ScalingRL

20HierarchalRL(SEIHAI)NovelPerspectiveGPT-3--