Apple研究：LLM团队未能有效利用专家知识

来自Apple Machine Learning Research的一篇新论文揭示，多智能体大型语言模型（LLM）团队在利用专家知识方面存在困难，在ML基准测试中表现比单体专家差41.1%。与人类团队不同，这些AI团队倾向于平均化专家和非专家的意见，而不是恰当地权衡专业知识，这种现象被称为“整合性妥协”。这种行为随着团队规模的增大而恶化，并在模型对齐和有效利用专业知识之间产生了权衡，突显了自组织多智能体系统在利用集体智能方面存在的重大差距。 AI

影响 强调了当前多智能体LLM系统的一个关键局限性，表明需要新的协调机制来有效利用专业知识。

排序理由 由一家主要科技公司的机器学习部门发布的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 Apple Machine Learning Research 阅读 →

• AgentBuilder
• Aneesh Pappu
• Apple Machine Learning Research
• Batu El
• Carmelo di Nolfo
• Emory University
• Hancheng Cao
• James Y Zou
• Meng Cao
• Stanford University
• Yanchao Sun

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →