摘要
本文研究了在接口约束下，专用智能体通过共享工件交接控制权的分布式工作流学习问题。作者将该场景形式化为接口约束半马尔可夫决策过程（IC-SMDP），并提出了一种异步去中心化 Q 学习算法 IC-Q，其每次交接仅需标量协调。理论方面，首次推导了神经 IC-Q 的有限样本误差界；实验方面，在多 LLM 数学推理等任务中验证了该算法在无全局轨迹观测下能达到集中式 oracle 的性能。
AI 推荐理由
论文核心研究多智能体工作流中的任务交接与协调机制，属于分布式规划范畴。
研究机构
斯特恩商学院, 纽约大学, 纽约, 纽约州 10012
计算机科学系, 达特茅斯学院, 汉诺威, 新罕布什尔州 03755
论文信息