Многие реальные задачи требуют координации множества автономных агентов. Современные работы подтверждают эффективность графовых нейронных сетей (GNN) для обучения стратегиям коммуникации, обеспечивающим совместную работу. Обычно такие модели предполагают наличие общей глобальной цели, однако при наличии у агентов собственных эгоистичных интересов стандартные подходы меняются. В данном исследовании рассматривается, как в процессе обучения агентов с локальными целями возникают формы состязательного общения.
Исследование изучает возникновение враждебных стратегий общения в мультиагентных системах, где агенты преследуют личные, а не общие цели. Используя графовые нейронные сети, авторы анализируют, как эгоистичное поведение влияет на общую координацию и безопасность системы. Работа критически важна для понимания рисков в сложных ИИ-средах, где интересы участников могут конфликтовать.