研究：单模型强不代表协作强，Shapley 值衡量 LLM 组合价值
shangbinfeng · x · 2026-10-21
作者提出用「组合强度」衡量模型在多模型系统中的价值：以 leave-one-out 边际贡献作为 Shapley 值的近似，只需 n+1 次系统评估而非 2ⁿ 次。
在 5 个模型池 × 12 种协作方法 × 12 个数据集上的测量显示，组合强度与单模型能力几乎不相关（|ρ| ≤ 0.29）。单独做 RL 能让模型单打更强，但在系统里协作反而可能变差。团队据此提出 Compositional RL（C-RL），用 GRPO 以模型对多模型系统的 Shapley 边际贡献作为奖励来训练。
所属事件:UW×NVIDIA 提出 C-RL：单模型强不等于协作强(4 条相关)→
「研究」频道最新
- UC Berkeley 团队开源 SkyDiscover:用 AI 自动发现算法并组装系统 — CShorten30 · 2026-10-21
- 天又发现一颗行星候选,并复盘它此前为何被漏检 — IgorCarron · 2026-10-21
- 给 AI 一万美元做开放研究：GPT-6 Astra 与 Claude Fable 5.1 论文仍被专家拒稿 — sayashk · 2026-10-21
- 斯坦福团队推 ScholarCatalyst:专测 AI 检索可启发科研的早期文献 — lateinteraction · 2026-10-21
- 借助 AI 沟通发现 17/19/23 曲线简单对称 Venn 图，经 Lean 4 形式化验证 — pickover · 2026-10-21
- Pathway CEO 撰文:Transformer 不够,超级智能需要会积累经验的模型 — schwentker · 2026-10-21