离线多智能体持续协作：通过技能划分与复用应对灾难性遗忘

多智能体强化学习在顺序任务场景中面临一个根本性挑战：随着任务不断出现，技能空间呈指数级增长，传统依赖启发式设计的固定大小技能库难以应对分布偏移和干扰，导致灾难性遗忘和可塑性丧失。

6月25日发布在arXiv上的一篇新论文提出了一种基于技能划分与复用的离线多智能体持续协作方法。该方法通过提取任务不变的协调技能在任务间共享，从而在不依赖固定大小技能库的情况下提高学习效率。

该研究来自arXiv cs.AI类别，论文ID为2606.25389。这项研究为多智能体系统在长期、连续的部署场景下保持学习能力提供了新的理论和方法基础。