多智能体强化学习（MARL）已成为处理日益复杂任务的重要范式。然而，异构智能体之间的联合进化仍面临合作效率低与训练不稳定等挑战。为此，京东提出了一种面向MARL的联合进化算法框架 JDAgents-R1，该方法首次将组相对策略优化（GRPO）应用于异构多智能体的联合训练中。通过迭代优化智能体的大语言模型（LLMs）与自适应记忆机制，JDAgents-R1实现了决策能力与记忆能力的动态均衡，并能有效减少重复推理、加快训练收敛。在通用场景以及商家定制化场景中的实验表明，JDAgents-R1在基于更小规模开源模型的情况下，依然能够达到与大规模语言模型相媲美的性能表现。

演讲提纲

1. 多智能体训练技术
   • 多智能体应用案例
   • LLM决策与Memory进化
   • 多智能体强化学习
2. JDAgents-R1: 联合进化算法方案
   • 多智能体协作
   • GRPO联合训练算法技术
   • Memory更新技术
3. 电商领域落地实战
   • 通用与垂直领域任务
   • 商家多智能体联合进化
4. 未来展望

您认为，这样的技术在实践过程中有哪些痛点？

1. 多个大模型联合训练的信息通信难题：多卡多机，如何实现模型斩断与更新？
2. 智能体memory进化：memory会干扰决策质量，如何评估memory的增减？

您的演讲有哪些前沿亮点？

1. 多智能体联合进化的算法设计，符合复杂多智能体场景的online learning需要
2. 决策与记忆机制联合更新

听众收益

1. 多智能体如何协作
2. 多个模型训练的更新策略