Federated Agent Optimization

新框架使LLM代理能够在不共享数据的情况下协同学习

研究人员推出了一种名为联邦式代理优化（Federated Agent Optimization, FAO）的新框架，旨在使大型语言模型（LLM）代理能够在不共享敏感原始数据的情况下进行协同改进。FAO通过考虑代理能力的更广泛范围，包括记忆、工具、奖励、技能和结构化知识，解决了传统联邦学习的局限性。该框架将优化问题制定为一个多目标问题，平衡了代理效用、隐私泄露和通信成本，为可转移能力提供了一种统一的方法。