该论文提出异构智能体群体架构，通过Disrupter、Validator和Broker角色分离，平衡开放探索中的安全与创造力。Scars机制将失败经验编译为约束，减少重复错误，降低15.1% token消耗。实验验证该方法能到达辩论方法无法实现的目标，并有效阻止违规操作。
该文综述多智能体强化学习研究，涵盖基于模型的决策行为建模、MAMBA通信框架、PPO自适应行为仿真、近似最佳响应算法、Phantom开源框架、HAML异构智能体框架及MABIM数据集，并探讨其在政策分析、库存管理和自主移动等领域的应用。
完成下面两步后，将自动完成登录并继续当前操作。
