跳到正文
arXiv · ML· Tianming Sha, Junnan Li, Siqi Zhao·· 14 天前AI 评分43

Octopus:面向潜KV多智能体强化学习的单脑多分支框架

Octopus: One Brain, Many Branches for Latent-KV Multi-Agent Reinforcement Learning

AI 导读

Octopus 是一种单模型多智能体强化学习框架,所有线程共享同一骨干网络并通过 GPU 驻留 DAG 协调 KV 状态。 该框架在 Qwen3.5-4B 上端到端训练,在 BrowseComp-Plus 准确率达 49.6%,OpenResearcher 达 51.2%,训练吞吐量提升 3.3 倍且峰值 KV 内存降低 2.8 倍。

来源:arXiv · ML · arxiv.org