foundation model agents

新的MARGIN方法实时校准基础模型智能体

研究人员开发了一种新的在线校准方法MARGIN，旨在提高多智能体系统中基础模型智能体的可信度。与需要模型访问和固定数据集的传统方法不同，MARGIN直接从任务流中实时学习校准因子，无需重新训练或使用保留数据。在19个模型和8个基准上的实验表明，MARGIN在分布变化下显著降低了校准误差，并提高了协调器选择最准确智能体响应的能力，在某些情况下甚至优于随机选择和表现最佳的单一模型。