OPSD4MAS 论文提出多智能体通信的 token 级信用分配方法
热点事件持续更新
OPSD4MAS 论文提出多智能体通信的 token 级信用分配方法
1 篇报道1 个报道来源53 分钟前更新
先了解这件事
AI 综述
Zixu Wang 等提交论文 OPSD4MAS，用 On Policy Self Distillation（OPSD）将多智能体系统中的未来通信转化为细粒度 token 级信用，用于改进大语言模型多智能体系统的强化学习。方法先用外部模型提取事实做粗粒度过滤，再对目标 token 影响做留一法细粒度过滤，并与 GRPO 以线性退火方式组成联合目标。 论文报告，在数学任务上 pass@4 较 GRPO 最高提升 20.00 个百分点，代码已开源。
AI 根据报道生成 · 31 分钟前更新
最新进展11月14日 13:00
OPSD4MAS：用 On Policy Self Distillation 把多智能体通信转化为 token 级信用报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AIOPSD4MAS：用 On Policy Self Distillation 把多智能体通信转化为 token 级信用
OPSD4MAS 通过 On Policy Self Distillation（OPSD）将未来通信转化为细粒度 token 级信用，改进大语言模型多智能体系统的强化学习。方法先用外部模型提取事实做粗粒度过滤，再对目标 token 影响做留一法细粒度过滤，并与 GRPO 以线性退火联合目标结合。在数学任务上，pass@4 较 GRPO 最高提升 20.00 个百分点，代码已开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。