演員評論家不穩定

速報

深度多代理強化學習在連續時間定價市場的兩大失效模式揭露

本研究在連續時間多代理強化學習（CT-MARL）基準中，觀察到兩種可重現的失效模式：競爭的DDPG代理間會暗中形成卡特爾，以及在高事件率下演員-評論家結構的不穩定。實驗顯示，同步的DDPG代理會產生顯著的共謀指數（Δ≈0.69），而引入非同步與觀測延遲可分別降低共謀程度至Δ≈0.28。