MASCAL：多智能体协作的校准置信度方法

2026年10月29日，arXiv cs.AI/cs.LG 发布论文提出 MASCAL。该方法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，输出自身答案正确的概率，并在交接时传给下游智能体；上游概率为下游是否信任或复核提供量化依据。作者还引入置信度感知加权，使下游更关注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 同时提升上下游智能体的任务准确率与校准质量，并可泛化到更长协作链和不同模型规模。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。