多智能体博弈中如何学习上报不安全任务

研究提出一种多智能体博弈框架：当任务的多名目击者共享策略并独立行动时，完全共享策略会被局部吸引至沉默，即便上报才是最优选择。作者给出足以让精确策略梯度更新收敛到全员上报的审计条件，并用 PPO 在 24 个目击者图上验证：将共同目击者分置于不同网络的目击者分组，相比同规模打乱分组将不安全任务完成率降低 33.59 个百分点（95% 图自助区间 21.03-45.13）。