研究人员开发了一个多智能体系统过程奖励模型（MASPRM），旨在优化多智能体系统中的计算使用。该模型对智能体之间的中间消息进行评分以识别进展，充当了诸如束搜索和蒙特卡洛树搜索等搜索算法的推理控制器。MASPRM仅使用最终结果奖励进行训练，无需人工步级标注。在GSM8K、MATH、MMLU和LogiQA等基准测试上的评估表明，MASPRM的表现优于尺寸匹配的Oracle奖励模型（ORM），并提高了排名质量。 AI
影响 这项研究通过优化智能体在复杂任务中的通信和进展方式，有望带来更高效的AI系统。
排序理由 该集群包含一篇详细介绍新模型及其在基准测试上评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
