我们提出了Rapidpen，这是一种完全自动化的渗透测试（五处）框架，该框架解决了在没有人类干预的情况下实现初始立足（IP-to-shell）的挑战。与以前的方法不同，主要集中于探索后或需要人类的人类，Rapidpen利用大型语言模型（LLMS）自主发现和利用漏洞，从单个IP地址开始。通过将高级反应风格的任务计划（RE）与成功利用的检索知识基础以及命令生成和直接执行反馈循环（ACT）集成在一起，快 ...

有效的代理协调对于合作多代理增强学习（MARL）至关重要。虽然代理合作可以用图形结构表示，但MAL中的流行图学习方法受到限制。他们仅依靠一步观察，忽略了关键的历史经验，从而导致缺乏图形，从而促进了冗余或有害信息交换 ...

多智能体场景中的强化学习对于现实世界的应用程序很重要，但也带来了单智能体设置之外的挑战。我们提出了一种演员批评家算法，该算法在多智能体设置中训练去中心化策略，使用集中计算的批评家，享一个注意力机制 ...

合作的多代理增强学习（MARL）需要在代理之间进行无缝的协作，通常以基本关系图来表示。现有学习该图的方法主要集中于代理对关系，忽略了高阶关系。尽管几种方法试图扩展合作建模以包含组内的行为相似性，但它们通常同时学习潜在图，从而在部分观察到的药物之间限制了信息交换 ...

合作的多代理系统可自然地用于模拟许多现实世界中的问题，例如网络数据包路由和自动驾驶汽车的协调。非常需要新的强化学习方法，这些方法可以有效地学习此类系统的分散政策。为此，我们提出了一种称为反事实多代理（COMA）策略梯度的新的多代理参与者 - 批评方法 ...

在复杂和不确定的环境中运行的体现的代理面临着巨大的挑战。尽管一些高级代理商以熟​​练的方式处理复杂的操纵任务，但他们的成功经常取决于广泛的培训数据以发展其能力。相比之下，人类通常依靠回顾过去的经历和类似情况来解决新问题 ...

我们考虑了多个自主代理必须在未知的，通信约束的环境中进行导航和执行任务的问题设置。传统的多代理增强学习（MARL）方法在这种环境中采用同步通信，并且在这种环境中表现较差。我们提出了Asyncomarl，这是一种异步MARL方法，它使用图形 Transformer 从动态图中学习通信协议 ...

我们使用单个关节奖励信号研究了合作多代理增强学习的问题。由于通常具有较大的组合动作和观察空间，因此这类学习问题很困难。在完全集中和分散的方法中，我们发现了虚假的奖励问题，我们称之为“懒惰的代理人”问题，这是由于部分可观察性而引起的 ...