arXiv · NLP· Yuhan Sun, Jiaxin Zhao, Yongdong Luo, Yibo Hu, Meiguang Jin, Junfeng Ma, Weixun Wang, Weihang Pan, Zhongan Bi·· 8 小时前AI 评分27
MultiAgent-OPD：基于在线策略蒸馏的层级多智能体系统端到端训练
MultiAgent-OPD: End-to-End Training of Hierarchical Multi-Agent Systems with On-Policy Distillation
AI 导读
研究提出 MultiAgent-OPD 框架，结合在线策略蒸馏与强化学习端到端训练层级多智能体系统。 该框架采用共享参数的 Leader-Searcher-Answerer 架构，冻结 Teacher 模型为 Searchers 提供局部过程监督。 在七个数据集上，该方法宏观平均分@4 达到 38.68%，超越 C-MAS + RL 系统 2.61 个百分点。
来源：arXiv · NLP · arxiv.org