新框架用低维表征学习扩展多智能体强化学习，面向海量群体的高维控制

AI解读：这项研究要解决的是多智能体系统扩大规模时的计算瓶颈。现实中广告拍卖、交通路由、推荐系统这类场景智能体数量巨大，传统做法是每个智能体独立优化策略、把其他智能体当作固定环境，但群体行为本身会随个体策略改变而变化，尤其在状态和动作空间高维时，直接建模群体分布几乎不可行。研究人员引入“均值场”思路，假设奖励和转移只依赖一个低维的群体聚合统计量，于是把高维群体建模问题转化为表征学习问题——先学出这个低维统计量，再据此学策略。依据论文摘要，方法有可证明的保证，离线设定下能学到近优策略；在一组供应链路由的简化实验中，固定神经网络参数量和优化预算时，学低维群体表征的模型比不利用该结构的基线在奖励预测和均衡质量上表现更好。对做多智能体算法研究或落地大规模群体的工程师，这意味着处理群体之间间接影响时可能不再需要穷举每个个体的状态，而是先降维再决策；目前证据只来自论文设定的简化博弈，尚未覆盖完整供应链环境或在线场景，所以还不宜直接迁移到生产系统。