arXiv · AI· Yifan Zeng, Yiran Wu, Yaolun Zhang, Wentian Zhao, Kun Wan, Qingyun Wu, Huazheng Wang·· 8 小时前AI 评分42
多智能体 RL 何时能提升 LLM 工作流？流程、规模与策略共享的权衡
When Does Multi-Agent RL Improve LLM Workflows? Workflow, Scale, and Policy-Sharing Tradeoffs
AI 导读
研究在 Qwen3 上训练三种 LLM 工作流，发现多智能体 RL 并非总优于单智能体 RL。 具体而言，仅在 Eval-Opt 工作流中，隔离策略（IP）的训练效果超过了单智能体 RL。 共享策略（SP）存在隐式超参数，调整其权重可匹配隔离策略的速度和峰值。
来源：arXiv · AI · arxiv.org