面向海量群体的强化学习扩展：学习平均场表示

这篇论文关注现代多智能体系统在大规模部署中的挑战，例如广告拍卖、交通路由和推荐系统。作者提出利用平均场表示来高效地近似大规模群体的行为，以扩展强化学习算法到海量智能体场景。

AI推荐理由 大规模多智能体场景（如广告拍卖、交通调度）中，个体策略优化常因群体规模爆炸而难以计算。该研究通过平均场表示学习压缩群体行为，可能使强化学习在真实工业级部署中从“小规模实验”走向“海量群体可用”，降低计算成本和工程复杂度。