​译者|朱先忠审校|孙淑娟在协作性多智能体强化学习（multi-agentreinforcementlearning：MARL）中，由于其基于策略的性质，通常认为策略梯度（policygradient：PG）方法的样本效率低于非策略的值分解（valuedecomposition：VD）方法。然而，最