Xuelin Zhang

SHARP框架利用Shapley信用优化多智能体LLM训练

研究人员开发了一个名为SHARP的新框架，以改进集成大型语言模型和外部工具的多智能体系统的训练。该方法解决了将功劳归于个体智能体以取得成功结果的挑战，这对于高效学习至关重要。SHARP利用分解奖励机制，包括基于Shapley的边际信用奖励，以精确归因贡献并稳定训练。实验表明，SHARP的性能显著优于现有方法，在准确性和效率方面取得了实质性改进。