应该改进哪个 Agent 的技能？面向演化多智能体团队的组相对信用分配
英文标题：Which Agent's Skill Should Change? Group-Relative Credit Assignment for Evolving Multi-Agent Teams
本文针对多智能体协作场景，探讨了如何通过修改可复用技能实现免权重更新的持续进化。核心挑战在于如何将团队层面的共享奖励准确追溯并归因到具体的责任 Agent 及其技能上。现有方案多基于轨迹中技能的出现进行信用分配，存在归因粗糙的问题，而新提出的组相对信用分配机制为精准定位改进目标提供了新思路。该方法有助于降低多 Agent 系统的调优成本，对构建自进化、模块化的多智能体协作框架具有重要参考价值。
打开原文相关 2.4 · 机会 2
2.0 KB
640 B
612 B
380 B
9.1 KB
18.2 KB
22.8 KB
24.2 KB
34.7 KB
中文
arXiv 编号：arXiv:2610.27227v1 公告类型：new
摘要
合作型语言模型智能体（Agent）可以通过修改可复用的技能实现无需更新模型权重的自我进化，但这必须建立在能够将团队共享奖励精准追溯到具体责任 Agent 及其技能的前提下。现有方法通常对每条轨迹中出现的技能进行信用分配，然而技能在轨迹中的出现并不足以精准衡量其贡献与责任。
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×