Когда вмешаться? Ведомое государством манипулирование в системе обучения

arXiv: 2610.11523v1 Annualce Type: new Humber: Friended Update Bearning (FRL) позволяет распределенным агентам совместно обучать политику в области принятия решений, но ее децентрализованный процесс подготовки также ставит глобальное обучение по вопросам политики под угрозу модификаций византийских стран. Существующие отравления в первую очередь направлены на то, как строить злонамеренные обновления, тогда как график вмешательства на уровне траектории по-прежнему во многом имплицитен. Однако в процессе последовательного принятия решений, когда применяется какое-либо вмешательство, могут измениться последующие траектории и учебные сигналы. С помощью контролируемых экспериментов мы обнаруживаем, что изменение выбранных состояния траектории существенно меняет эффективность атак даже когда злонамеренная модернизация конструкции установлена. Таким образом, мы идентифицируем время в качестве отдельного аспекта нападения и внедряем поведенческий удар с ограничением эффективности (V-BSA), который использует местную политическую неопределенность для выбора малоэффективных государств вмешательства и применения модели поведения с нарушением конвертов. Вдоль дискретного действия