SrSv：将序列回滚与序列价值评估整合用于多智能体强化学习

本研究解决了多智能体强化学习(MARL)在大型真实系统应用中的训练效率低下问题，尤其是因环境复杂性导致的信用分配难题。提出的SrSv框架通过利用Transformer模型的自回归特性和创新的序列价值评估方法，有效捕捉智能体之间的相互依赖性，显著提高了训练效率和可扩展性，尤其在拥有1024个智能体的大型DurbinsCar系统中表现出色。