介绍了一个名为 Arena 的多智能体通用评估平台，其中包含 35 个逻辑和表述多样的游戏，以及可视化的社会树和五种基本的多智能体奖励机制，为研究人员提供了一个易于发明和构建新的多智能体问题的建模工具包，还提供了五个最先进的深度多智能体强化学习基线的 Python 实现和一组我们可以使用不同的训练方案训练的每个游戏的 100 个最佳的代理 / 团队，作为评估群体表现的基础，以便研究人员可以在稳定和统一的标准下进行比较。

May, 2019

DeepMind 的 “博弈论与多智能体团队” 研究了多智能体学习的多个方面，旨在使用深度强化学习探索复杂环境下的多智能体系统，并使用这些基准来推进我们的理解；本文总结了他们最近的工作并提出了一项分类，突显了多智能体研究中许多重要的开放性挑战。

Sep, 2022

本文概述了自主智能体的研究领域和目标，围绕多智能体强化学习、协作、与其他自主智能体的互动、基于内部动机的学习、课程学习等问题提出了自主智能体的开放性问题。

Aug, 2022

通过大规模智能体强化学习，在竞争和合作中研究了人工集体智能的出现，其中用 Lux 环境搭建了两个团队的大规模动态智能体，通过中央控制和自我协同演变，从单一技能到团队策略逐步发展，并分析了各种策略的出现，可为强化学习在大规模环境中的实现提供启示。

Jan, 2023

该论文调查了多智能体系统中学习最优控制的复杂性，旨在深入理解多智能体应用的机遇和挑战，为研究人员和从业者提供有价值的观点，以促进该领域的发展。

Dec, 2023

本文探究了利用深度强化学习机制使智能体集体行为呈现有序模式的过程，并通过仿真大规模掠食者和被掠食者的世界来验证自然规律是否同样适用于人工智能系统中，实验结果表明基于不同自身利益驱动的智能体群体行为呈现出类似于生态学中的 Lotka-Volterra 模型的有序模式，这种集体行为的出现可以由自组织理论解释。

Sep, 2017

本论文介绍了一种高性能代理基于模型的框架 ——Vogue，可以支持成千上万的互动代理的训练环境，此规模的高性能多智能体环境有望实现在复杂系统中建立灵活且健壮的策略。本研究展示了两个新开发的大规模多智能体训练环境的训练表现，并表明这些环境可以在几分钟甚至几小时的时间尺度上训练共享 RL 策略。

Jul, 2022

这篇综述论文研究了在大规模群体系统中进行可控分析和多智能体强化学习的关键问题和挑战，介绍了现有的相关研究领域和方法，并讨论了未来的应用前景和方向。

Sep, 2022

本文介绍了一种名为 Mava 的研究框架，它专门为构建可扩展的多智能体 RL 系统而设计。Mava 提供了有用的组件，抽象层，实用工具和通信模块，使得相应算法更容易复现和扩展，并且具备高度的灵活性和可组合性，同时实现具有良好扩展性的系统培训和执行，并在多智能体环境中进行分布式系统训练取得了良好的实验结果。

Jul, 2021

通过模拟 MMORPG 游戏和真实世界中的有限资源竞争环境，研究了大规模多智能体交互的学习和发展，实验表明，种群规模可以放大并刺激技能行为发展，产生优于小规模训练的代理人。

Mar, 2019