arXiv 机器学习· Tianming Sha·2026-11-06 13:00· 9 小时前AI 评分45

Octopus：面向隐式 KV 多智能体强化学习的“单脑多分支”框架

Octopus: One Brain, Many Branches for Latent-KV Multi-Agent Reinforcement Learning

AI 导读

研究者提出单模型多智能体强化学习框架 Octopus，多线程共享同一骨干网络并通过 GPU 驻留的 KV 状态 DAG 进行协同。框架结合零拷贝 Radix Forking、Attention-Only KV Mounting 与 Packed DAG-GRPO，将离题干扰降低 21 倍。

来源：arXiv 机器学习 · arxiv.org