跳到正文
arXiv · AI· Keru Chen, Sen Lin, Yingbin Liang, Nathaniel D. Bastian, Shaofeng Zou·· 2026-10-14AI 评分41

基于可验证信息奖励训练多智能体协作 LLM:引入 CoSIR 方法

Training LLMs for Multi-Agent Collaboration with Verifiable Information Rewards

AI 导读

研究人员提出 CoSIR,一种基于惊讶度信息奖励的后训练方法,通过可验证环境提升 LLM 多智能体协作能力。 该方法对 Qwen3-4B、Qwen3-8B 和 Gemma-3-4B-it 进行自博弈后训练,在七个未见自然语言协作任务中取得最高综合得分,且通用任务表现保持竞争力。 行为分析显示模型更频繁披露私有证据,并减少了对队友输入的忽视,验证了该方法在复杂未知任务上的泛化潜力。

来源:arXiv · AI · arxiv.org