pymarl2

收录理由

这个仓库的价值在于它把多智能体强化学习里那些容易被忽略的工程细节摆到了台面上。作者重新实现了QMIX以及多种基于值和演员-评论家的方法，并系统性地加入了值归一化、奖励缩放、正交初始化、n步回报、更大批大小以及针对每个场景单独调参等技巧。在星际争霸多智能体挑战上，这些调整带来了接近完美的胜率。对于研究者和研究生来说，它是一份很实用的参考，既能帮助复现强基线，也能让人看清哪些改动真正有效。仓库还提供了谷歌足球环境的配置，以及一个带注意力机制的QMIX变体用于通信任务，适合作为对比实验的起点。不过它本质上是研究代码，不是开箱即用的生产库。