研究人员开发了一种名为OPSD4MAS的新方法,通过将通信转化为基于Token的信用分配来增强大型语言模型中的多智能体通信。该方法使用On Policy Self Distillation (OPSD) 提供细粒度的指导,从而改进单个智能体的决策。与现有的GRPO方法相比,该方法已显示出显著的改进,将数学pass@4分数提高了多达20个百分点。 AI
影响 改进了复杂多智能体LLM系统中智能体的决策和性能。
排序理由 学术论文,详细介绍了LLM中多智能体通信的新方法。[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 →