本研究提出了一个新颖的两层优化过程来训练共有多个独立的强化学习智能体，这些智能体仅使用Q3A视频游戏的像素和游戏得分作为输入，即使在富有挑战性的多智能体环境中互相协作和竞争，这些智能体也能够达到类人水平，并展现出人类般的行为表现。

Jul, 2018

本文提出了一种分层训练智能体的方法，以期在团队运动游戏中实现类似于人类的风格和高水平的表现，初步结果显示所提出的方法具有解决多智能体学习问题的潜力。

Jun, 2019

提出一种基于预训练的RL策略库和规则策略的人类无模型自适应代理架构，通过一种新的相似性度量方法推断人类策略并选择最具互补性的策略，以此最大化团队在人类机器协作中的总体表现。

Mar, 2021

本研究在人机合作游戏Hanabi中单盲评估了基于规则和基于学习的人工智能代理团队。结果表明，尽管两种团队在比赛得分上没有显著差异，但在案例理解性、信任度和总体偏好等主观评估指标上，人类普遍更喜欢基于规则的人工智能伙伴（SmartBot）而不是最先进的基于学习的人工智能伙伴（Other-Play），这对未来的人工智能设计和加强学习基准测试具有启示作用。

Jul, 2021

本文探究如何培训出更好地与人类合作的机器人，提出了一种名为Fictitious Co-Play的方法，通过与自己过去的训练成果和自己对战来训练代理人合作，实证实验显示在与新型代理人和人类伙伴（比如二人协作烹饪模拟器）合作时，使用FCP方法产生显著更高的学习效果与人类喜好。

Oct, 2021

该论文呼吁从不同学科出发进行研究，以解决人类如何向人工智能提供反馈以及如何构建更健壮的基于人类协作的强化学习系统的关键问题，并提出人类模型必须是个性化，情境化和动态的观点。

Jun, 2022

本研究考虑将行为规则、奖励和人类示范化为生成 AI 代理即程序化人物角色，以模拟人类玩家的游戏体验，通过Go-Explore强化学习方法来训练人类化的代理，其结果显示生成的代理呈现出人类玩家的不同游戏风格和体验响应，同时对玩家体验的考虑，能够更好地推动行为探索。

Aug, 2022

本研究首次尝试通过设计一种有效和可解释的基于元命令通信的框架来促进 MOBA 游戏中的人-代理协作，在荣耀王者中进行的实验结果表明，MCC 代理可以与人类队友合作得相当好，并且甚至可以推广到与不同水平和数量的人类队友进行合作。

Apr, 2023

评估人工智能与人类在复杂多智体游戏中的一致性，提出了一种使用可解释的任务集框架评估的方法，重点关注高级行为任务而非低级策略。通过分析人类游戏数据和训练AI代理，将人类和AI游戏对比，发现人类和AI之间存在显著差异，强调在多人游戏中应对人工智能的评估、设计和整合进行清晰解释。

Feb, 2024

通过离线强化学习作为一般方法对人工智能决策进行建模，以优化以人为中心的目标，本研究指出人们与经过优化的策略进行交流时，在准确性方面取得了显著提高，并强调了在人工智能决策中考虑除决策准确性之外的人为目标的重要性。

Mar, 2024