Hidden Coalitions in Multi-Agent AI: A Spectral Diagnostic from Internal Representations

Dieses Papier stellt eine neuartige Methode zur Erkennung verborgener Koalitionsstrukturen in Multi-Agenten-KI-Systemen vor, indem deren interne neuronale Repräsentationen analysiert werden. Es konstruiert einen paarweisen Mutual-Information-Graphen aus den verborgenen Zuständen und wendet spektrale Partitionierung an, um die signifikanteste Koalitionsgrenze zu identifizieren, validiert in Reinforcement-Learning-Umgebungen.