多智能体 RL 后训练新论文:群体协作胜过 best-of-N,效率最高提升 166%
StellaLisy · x · 2026-11-07
Natasha Jaques 团队发布新论文 s³,质疑当下流行的“多智能体框架预设协调结构”路线:能否让 agent 自发涌现出协作与通信协议,而非靠人工设计的 harness?
关键结果:
- 首个证明协作式多智能体 RL 后训练能胜过单智能体 best-of-N 采样的工作
- 采用异步多智能体训练,无预设角色、无领导、无轮次顺序,仅共享一个奖励
- agent 自发学习协调与通信协议,token 效率与成功率相比 compute 均衡基线最高提升 166%
- 可泛化到 3 倍于训练规模的群体
作者认为这会解锁一个围绕提升多智能体通信与协调的研究议程。
所属事件:UW 与 Ai2 发布 s³：多智能体强化学习让 LLM 自组织协作(4 条相关)→
「编程与Agent」频道最新
- 开放 DCR 的 MCP 服务器暗藏授权码劫持风险,redirect_uri 该不该设白名单 — After_Pumpkin3803 · 2026-11-07
- 事故响应 Agent 实战:为什么只存失败经验而不信记忆系统 — noufal_rizwan · 2026-11-07
- 客服挂断后 AI 留在线上追问一句，把通话纪要变成可执行任务 — gsuiteautomations · 2026-11-07
- 清华 Coca-Cola 压缩 Agent 工具输出,token 省 89% 性能反升 — Tsinghua · 2026-11-07
- ComfyUI-freefield 侧边栏集成 117 个现成工作流,一键下载模型并运行 — neuregex · 2026-11-07
- 自建 Agent harness 总在微观管理?Reddit 开发者求解长任务失控难题 — dangerous_inference · 2026-11-07