一、技术背景与问题定位 离线多智能体强化学习（Offline MARL）因无需环境交互的特性，在工业控制、机器人集群等高成本或高风险场景中具有重要价值。然而，传统离线学习方法面临两大核心挑战： 策略外推误差（Ext……
