Schulman 探讨多智能体协作：共享奖励是自然策略

peterjliu · x · 2026-08-07

在讨论 AI 智能体间的交互与协作时，John Schulman（被回复对象）指出，目前模型在训练阶段与其他智能体交互的主要方式，是在共享环境中使用协作子智能体。在这种环境下，智能体共享单一奖励，因此“协作”自然成为最优策略。

他进一步推测，如果在各个独立的 rollout 之间共享有状态的训练环境，智能体的行为模式可能会有所不同（尽管这可能会引发一些不良后果，但这更接近人类体验世界的方式）。回复者则补充道，在 Claude Code 的设计中，就已经明确实现了主智能体与子智能体之间的消息传递与协同工作。