MASPRM

新的MASPRM模型在无需人工步级输入的情况下优化多智能体AI系统

研究人员开发了一个多智能体系统过程奖励模型（MASPRM），旨在优化多智能体系统中的计算使用。该模型对智能体之间的中间消息进行评分以识别进展，充当了诸如束搜索和蒙特卡洛树搜索等搜索算法的推理控制器。MASPRM仅使用最终结果奖励进行训练，无需人工步级标注。在GSM8K、MATH、MMLU和LogiQA等基准测试上的评估表明，MASPRM的表现优于尺寸匹配的Oracle奖励模型（ORM），并提高了排名质量。