PolicyMediator：在 OPC 生态中通过具备演化技能的调解智能体实现多区域政策学习

研究提出 PolicyMediator，一个认知约束下的领导者—多跟随者 Stackelberg 框架，通过双边调解让调解智能体向 OPC 解释已核验政策、并向政府反馈其需求以支持政策学习。在中国六区域、五类 OPC、五种场景与三种 OPC 模拟器骨干的 15 种组合中，该方法均排名第一，政府综合目标较八个基线均值提升 42.4%，OPC 平均效用提升 40.9%。