多智能体离线强化学习

中山大学郭裕兰团队在CVPR 2026提出MangoBench基准，系统性分析多智能体离线强化学习在稀疏奖励与信用分配下的困境，揭示目标驱动与分层策略的有效性，为协作智能指明方向。