让听众学会打断:CMU×Meta 方法砍掉多智能体 32.2% 通信成本
lileics · x · 2026-09-23
CMU 与 Meta FAIR 合作的论文《Learning to Interrupt in Language-based Multi-agent Communication》被 CoLM 2026 接收,提出 HANDRAISER 方法。
- 核心思路:现有工作只从「说话者」侧压缩消息,这篇论文反转视角——让「听众」在学习中途打断说话者,就像人类对话中说「我懂了,停」。
- 关键发现:直接给 LLM 打断权限会导致过度自信、过早打断(信息不足就中断)。
- 方法:HANDRAISER 基于预估的未来收益与通信成本,学习预测正确的打断时机。
- 实验:在双人你画我猜、三人会议安排、三人辩论三个多智能体任务上评估;相比不可打断基线,通信成本降低 32.2%,任务性能持平或更优。
- 泛化性:对未见过的 GPT-4o 说话者无需额外微调即可迁移,跨任务、多打断者设定均有效;Llama-3.1-8B 听众在三个任务上分别降本 24.3%、23.4%、48.9%。
所属事件:CMU 与 Meta 研究让听方学会打断，省 32% 通信成本(2 条相关)→
「编程与Agent」频道最新
- Granola 推出 Agent Brief:大厂做 MCP 却不提供 MCP 惹锁定质疑 — soleio · 2026-11-12
- 「DevOps 已死」论：Agentic DevOps 流水线该怎么分工 — Pavan_Belagatti · 2026-11-12
- dots 更新支持 agent 同时控制 Windows 与 Mac 双机 — dkundel · 2026-11-12
- Ubuntu 域名服务器宕机,Pydantic 新项目 Monty 被迫提前发布 — samuelcolvin · 2026-11-12
- Granola 推出 Agent Briefs:每晚为 AI agent 打包你的最新上下文 — soleio · 2026-11-12
- 新基准 Continual-ARC:主流 Agent 均无法从经验中学习 — alifcoder · 2026-11-12