arXiv 机器学习· Kaixuan Liu, Guojun Xiong·· 6 小时前AI 评分40
学习多智能体编排：策略改进中的高阶交互作用
Learning Multi-Agent Orchestration:Higher-Order Interactions in Policy Improvement
AI 导读
研究人员提出大语言模型多智能体编排优化框架 IAPO，通过显式建模决策间的高阶交互作用，精确分解策略增益并保证每次更新均为有效改进。在 GSM8K、MATH、DROP、MBPP 和 HumanEval 长输入基准上，基于 7B 执行器的 IAPO 以更少 token 达到最强对比系统的准确率。消融实验显示，移除交互项会导致代码任务准确率下降 7 到 17 个百分点。
来源：arXiv 机器学习 · arxiv.org