DLM：用于离线多智能体序列决策的统一决策语言模型

针对离线多智能体强化学习中策略可扩展性与复用性难题，本文提出决策语言模型（DLM）。该方法将多智能体决策建模为对话式序列预测问题，采用集中训练分布执行范式。DLM 历经两阶段训练：首先利用对话风格数据进行监督微调以生成可执行动作，随后通过群体相对策略优化提升对分布外动作的鲁棒性。实验表明，DLM 在多个基准测试中优于现有离线多智能体基线及基于 LLM 的方法，并在未见场景中展现出强大的零样本泛化能力。