Poomphob Suwannapichat

新方法使用 RLHF 将多智能体令牌使用量减少 20.5%

研究人员开发了 RGA-Designer，一种用于优化多智能体系统通信拓扑的新方法。该方法受人类反馈强化学习 (RLHF) 启发，使用奖励模型来平衡任务准确性和结构效率。通过使用此奖励模型对图生成器进行微调，RGA-Designer 在任务准确性方面达到了与 ARG-Designer 等先前方法相似的水平，同时平均令牌消耗减少了 20.5%。