通过有限深度策略敏感性适应智能体行为变化

研究者提出一种有限深度框架，通过近似策略 Hessian 和混合导数来估计策略敏感性，从而适应其他智能体行为变化，无需大量新交互数据。该方法具有可调节的传播深度，并推导了截断误差界，深度越大误差越小，全时域传播时误差消失。在信念驱动的追逃博弈中，该方法估计精度和策略适应均优于基线，基于敏感性的初始化提升了零样本回报及后续微调效果。