MindGames Arena Generalization Track: In2AI Solution with Delayed Per-Step Reward Attribution

Esta pesquisa apresenta um novo método de atribuição de recompensa atrasada por etapa para treinar agentes de modelos de linguagem em interações estratégicas multiagentes. Ele aborda o desafio de resultados interligados, calculando recompensas no final do episódio e as propagando, o que permite um aprendizado por reforço estável e eficiente em amostras.