arXiv · ML· Yunhao Yang, Yuexin Bian, Yunjie Tian, Di Fu, Tianjin Huang, Yuanyuan Shi, Ziang Xiao, Nuno Vasconcelos, Yijiang Li·· 10 天前AI 评分43
Co-RL:无监督推理从多智能体强化学习的多样化群体中涌现
Co-RL: Unsupervised Reasoning Emerges from Diverse Cohort in Multi-agent RL
AI 导读
研究提出Co-RL框架,通过多智能体协同强化学习实现无监督推理,无需真值标签。 在7个基准测试上平均提升3.0-7.9%,4个多模态基准提升1.6-4.4%。 该方法比先前SOTA方法CoMAS高4.0%,比MM-UPT高2.0%,且代码已开源。
来源:arXiv · ML · arxiv.org