本研究介绍了一个合作游戏理论框架 (扩展凸性博弈 ECG)，提出了一个局部奖励方法 (Shapley Q-value)，并用其作为每个代理的评估函数，提出了一个 MARL 算法 SQDDPG，并在导航，猎物与捕食者和交通路口等环境进行了实验，结果显示其相较于目前现有算法具有更快的收敛速度和公平的分配。

Jul, 2019

使用博弈理论的 Shapley 值，提出 Shapley Values for Explaining Reinforcement Learning (SVERL) 一般框架，以解释强化学习模型的性能和行为表现，取得了与直觉相符合的意义深刻的解释效果。

Jun, 2023

本文介绍了合作博弈理论的基本概念以及 Shapley value 的公理性质，概述了其在机器学习中的最重要应用：特征选择，可解释性，多智能体强化学习，集成修剪和数据估价，指出了 Shapley value 的主要局限性和未来研究方向。

Feb, 2022

本文介绍了 EmSHAP（基于能量模型的 Shapley 值估计），它可以有效地近似预测模型在任意特征子集上的 Shapley 贡献函数的期望值。通过引入门控循环单元（GRU）将输入特征映射到隐藏空间，以消除输入特征排序的影响，并提出了动态屏蔽方案来提高泛化能力。定理 1、2 和 3 证明了 EmSHAP 比 KernelSHAP 和 VAEAC 等现有方法具有更紧的误差界限，从而实现了更高的估计精度。最后，针对医学和工业领域的应用案例表明，所提出的基于 Shapley 值的可解释框架具有提高的估计精度而无需牺牲效率。

Apr, 2024

本文提出了一种基于 Shapley 分析实现多智能体系统中个体贡献度评估的方法，并利用层次化知识图谱用于降低计算复杂度，同时通过测试证明了该方法不仅能评估团队中个体的重要性，还能揭示实现最佳策略所需的特征属性。

Dec, 2022

本文提出了一种使用神经网络模型来学习协作博弈解决方案，以促进公平合作分配的方法，特别是 Shapley value 在 Explainable AI 中的应用。

Aug, 2022

本文提供了一种基于分布任务的 meta-learning 框架，自动学习新采样任务上的有效奖励塑形，从而解决了强化学习中信用分配的难题，并通过从 DQN 到 DDPG 的成功转移等各种设置，展示了探索 shaping 方法的有效性。

Jan, 2019

本研究提出了一种模块化信用分配的形式化理论，通过对算法自身的因果分析，将社会决策制定框架作为马尔可夫决策过程的更精细正式框架，证明了一些单步时序差分行为价值方法满足这一约束条件，而所有政策梯度方法都不满足该约束条件，传输学习的实证研究表明这种行为价值方法在要求对先前最优决策序列进行稀疏更改的情况下，比政策梯度方法具有更高的样本效率。

Jun, 2021

本文提出了一种基于强化学习和在线凸优化的方法来实现多智能体系统中的公平性，在保证植树的情况下为不同智能体提供公平奖励。该方法能够在未知环境中实现公平，并在实验中得到了验证。

Jun, 2023

使用 Boltzmann 机器或经常性网络进行协调探索，从而加快多个基于 REINFORCE 的随机和离散单元的训练速度，甚至超过直接传递估计器 (STE) 反向传播算法。

Jul, 2023