arXiv 自然语言处理· Haocheng Jiang, Herun Wan, Yongyuan Peng, Minnan Luo·· 10 小时前AI 评分44
超越最终结果：量化多智能体 LLM 交互中的主张级信息动态
Beyond Final Outcomes: Quantifying Claim-Level Information Dynamics in Multi-Agent LLM Interaction
AI 导读
研究团队提出 RIVER 框架，将多智能体 LLM 交互输出分解为原子主张，从收敛性、探索性和留存性三个互补维度量化信息动态。在 40 个受控新闻生成案例中对 5 种交互策略的评测显示，重复池化交互促进收敛但收窄了信息空间，而分布式接力带来更广泛但共享度更低的信息。此外，特定方法约束虽能增强探索性，却削弱了收敛与留存。
来源：arXiv 自然语言处理 · arxiv.org