University of Edinburgh（爱丁堡大学）

Emergent Coordination and Phase Structure in Independent Multi-Agent Reinforcement Learning

独立多智能体强化学习中的涌现协调与相结构

Azusa Yamaguchi

机构 * School of Physics and Astronomy University of Edinburgh（物理与天文学学院 英格兰爱丁堡大学） 纠错

AI总结 该研究通过分析独立多智能体强化学习中的协调与相结构，揭示了规模、密度和内核漂移之间的相互作用对多智能体学习系统动态的影响。

Comments 22 pages, 19 figures

Learning Rules from Rewards

从奖励中学习规则

Guillermo Puebla, Leonidas A. A. Doumas

机构 * School of PPLS, University of Edinburgh（爱丁堡大学PPLS学院） 纠错

AI总结 RRTL通过学习关系规则在Atari游戏中实现有效策略，展示强化信号引导结构化表示学习的可行性。

DeXposure: A Dataset and Benchmarks for Inter-protocol Credit Exposure in Decentralized Financial Networks

DeXposure：去中心化金融网络中跨协议信用暴露的数据集和基准测试

Wenbin Wu, Kejiang Qian, Alexis Lui, Christopher Jack, Yue Wu, Peter McBurney, Fengxiang He, Bryan Zhang

机构 * Cambridge Centre for Alternative Finance, Judge Business School, University of Cambridge（剑桥替代金融中心，法官商学院，剑桥大学） ； School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； Department of Informatics, King’s College London（伦敦国王学院信息学院） 纠错

AI总结 DeXposure数据集和基准测试用于研究去中心化金融网络中跨协议信用暴露，通过分析信用暴露网络的结构演变、行业级动态及时间图链接预测，为金融风险监控和机器学习研究提供支持。

Comments Data and code: https://github.com/dthinkr/DeXposure - Visualisation: https://ccaf.io/defi/ecosystem-map/visualisation/graph

Efficient Learning of Object Placement with Intra-Category Transfer

高效学习物体摆放的跨类迁移

Adrian Röfer, Russell Buchanan, Max Argus, Sethu Vijayakumar, Abhinav Valada

机构 * University of Freiburg（弗赖堡大学） ； University of Edinburgh（爱丁堡大学） ； University of Waterloo（滑铁卢大学） 纠错

AI总结 本文提出了一种通过跨类别迁移高效学习物体摆放的方法，利用少量示范训练模型，实现对多种物体的高效任务学习。

Comments 12 pages, 8 figures, 3 tables, accepted at RA-L November 2025