GARDEN: генералистский дизайн вознаграждений через LLM для кооперативного MARL
В статье представлен GARDEN (Generalist Autonomous Reward Design through Evidence Navigation) — метод, где большие языковые модели выступают автономными инженерами вознаграждений, создавая единый программный критерий вознаграждения, который переносится без изменений на близкие кооперативные сценарии MARL. На невиденных сценариях из наборов Overcooked и SMAX GARDEN повысил вознаграждения задач на 58.2% и 52.5% по сравнению с дефолтными, а средний процент побед в двух боевых сценариях вырос с 51.0% до 89.9%, превзойдя фиксированную диагностическую обратную связь и подход, вдохновлённый Eureka, при сопоставимых ресурсах.