标题：中山大学郭裕兰团队：多智能体协作难题的突破丨CVPR 2026 正文： 在电商仓库中，机器人协同分拣、运输；在自动驾驶场景中，车辆需要相互配合。这些复杂任务往往无法由单个智能体独立完成，而现实环境又不允许频繁试错，因为每次失误都可能带来高昂代价。因此，离线强化学习成为研究热点——通过已有数...

让离线强化学习从「局部描摹」变「全局布局」丨ICLR’26 现有生成式离线强化学习方法在处理复杂连续任务时，常因过于关注局部合理性而忽视全局规划，导致生成的轨迹“局部合理但全局偏航”。为解决这一问题，厦门大学与香港科技大学提出了一种名为 MAGE（Multi-scale Autoregressive...