OPSD4MAS

新方法通过基于Token的信用分配增强多智能体LLM通信

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。