arXiv cs.AI / cs.LG 最新· Chenxiao Fan·· 1 天前AI 评分53
MASCAL 为多智能体协作学习校准答案置信度
Learning Calibrated Confidence for Multi-Agent Collaboration
AI 导读
论文提出 MASCAL，让每个智能体在强化学习中同时优化任务表现与置信度校准，输出自己答案的正确率概率，并在交接时传给下游智能体。上游概率为下游提供了是否信任或复核的量化依据，作者还引入置信度感知加权，让下游更关注那些真正用到该信号的决策位置。在 Web 检索与推理任务的三类协作架构上，MASCAL 同时提升了上下游智能体的任务准确率与校准质量，并可泛化到更长的协作链和不同模型规模。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。