在多智能体世界模型中预测成本会把大部分受约束的策略更新转移到想象阶段。实验表明，较强的无模型基线在中位 SMAC 配置下需要 CA‑MAMBA 交互次数的 $10$ 到 $20$ 倍才能达到相同性能，而在相同预算下 CA‑MAMBA 获得的 MAMuJoCo 奖励是基线的 $2.8$ 到 $12$ 倍。受控测试在每个基准只选取一个任务时，将模型的成本优势定价为等价后，成本盲学习者的成本降低超过一半，并且满足了一个紧凑的连续控制阈值，而学习到的乘子未能达到该阈值，这表明模型的成本估计并非瓶颈。
点评