多智能体之间通信和历史信息全靠lstm，state和action全部编码好了。唯一的难点是动作空间太大，有十七万种动作，对于这个问题，他们用了action embedding和ls***向量做内积，对action打分，然后过滤出高分动作。 算法上没做大的创新，nature或者science估计不够，发篇nips应该是差不多了。