Aprendizado por Reforço Multiagente Baseado em LLM: Direções Atuais e Futuras

Nos últimos anos, Grandes Modelos de Linguagem (LLMs) demonstraram grandes habilidades em várias tarefas, incluindo perguntas e respostas, resolução de problemas aritméticos e escrita de poemas, entre outras. Embora pesquisas sobre LLM como agente tenham mostrado que LLM pode ser aplicado ao Aprendizado por Reforço (RL) e alcançar bons resultados, a extensão do RL baseado em LLM para Sistemas Multiagentes (MAS) não é trivial, pois muitos aspectos, como coordenação e comunicação entre agentes, não são considerados nos frameworks de RL de agente único. Para inspirar mais pesquisas sobre MARL baseado em LLM, nesta carta, revisamos os frameworks existentes de RL baseado em LLM para agente único e multiagente e fornecemos potenciais direções para pesquisas futuras. Em particular, focamos em tarefas cooperativas de múltiplos agentes com um objetivo comum e comunicação entre eles. Também consideramos cenários com intervenção humana através do componente de linguagem no framework.