Cooperação Multiagente: Agentes de Modelo de Sequência Adaptam-se Sem Premissas Hardcoded

Baseando-se na arquitetura Transformer do Google, os autores propuseram o treinamento de agentes de modelo de sequência contra muitos oponentes diferentes. Isso permitiu que os agentes aprendessem a se adaptar dentro de cada jogo, eliminando a necessidade de premissas hardcoded sobre o aprendizado de outros agentes.