研究人员开发了GRSE（组相对技能演进），一个用于改进协作语言智能体而无需直接权重更新的新框架。GRSE通过比较同一任务的多次执行来为特定的智能体-技能对分配信用，从而允许修改可重用技能。该方法在HotpotQA和Long Context Modeling (LoCoMo)等基准测试中表现出优越的性能，尤其是在多跳推理任务中，并且即使在库中引入有害技能时也表现出鲁棒性。 AI
影响 通过改进技能修改的信用分配，实现了更具可扩展性和自改进性的多智能体系统。
排序理由 该集群包含一篇详细介绍多智能体AI技能演进新方法的论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2610.27227v1 Announce Type: new Abstract: Cooperative language-model agents can improve without weight updates by revising reusable skills, but only if a shared team reward is traced to the responsible agent and skill. Existing methods credit the skills present in each traj…
GRSE improves cooperative language agents by comparing repeated executions to correctly assign behavioral credit to agent-skill pairs, outperforming prior methods on multi-hop reasoning and recovering from harmful skills.