BCMAAC

新的BCMAAC方法增强了去中心化大语言模型协作

研究人员推出了一种新颖的信念条件多智能体Actor-Critic（BCMAAC）方法，旨在增强大语言模型（LLMs）之间的去中心化协作。该方法通过使智能体能够维护和利用关于上下文信息的信念，解决了当前多智能体强化学习（MARL）技术的局限性，从而提高了训练和性能，尤其是在需要大量沟通和上下文的任务中。在Minecraft、网络搜索和工具使用场景中进行的实验表明，BCMAAC在多轮交互中优于标准的Actor-Critic基线。