arXiv · ML· Kaixuan Liu, Guojun Xiong·· 23 小时前AI 评分43
提出交互感知策略优化框架 IAPO 以改进 LLM 多智能体编排
Learning Multi-Agent Orchestration:Higher-Order Interactions in Policy Improvement
AI 导读
提出交互感知策略优化框架 IAPO，将策略性能差异分解为单个决策效应及其交互效应，并证明交互项可占潜在增益的 50%。在 GSM8K、MATH、DROP、MBPP 和 HumanEval 长输入版本上，IAPO 在 7B 执行器上用更少 token 达到最强系统准确率，移除交互项会使代码任务准确率下降 7 到 17 分。
来源：arXiv · ML · arxiv.org