论文页面 - 应该改变哪个智能体的技能？面向多智能体团队演化的组相对信用分配

来源: https://huggingface.co/papers/2610.27227

摘要

GRSE 通过比较重复执行来正确地将行为信用分配给智能体-技能对，从而改进协作式语言智能体，在多跳推理和从有害技能中恢复方面超越了以往的方法。

协作式语言模型智能体无需更新权重，通过修改可复用技能即可实现改进，但前提是共享的团队奖励必须被追溯到对应的智能体和技能上。现有方法将信用归因于每条轨迹中出现的技能，但“出现“并不等于“责任“：一个在成功运行中仍然活跃的有害技能同样会获得正向信用。我们提出 GRSE（Group-Relative Skill Evolution，组相对技能演化），通过比较来分配行为信用：受 GRPO 启发，GRSE 在相同的技能库下对每个问题执行多次，并对比这些执行结果来为智能体-技能对分配信用，同时对失败进行结构化诊断。在 HotpotQA 和 LoCoMo 上，使用两个开放权重执行者，GRSE 在 HotpotQA 上以及除开放领域之外的所有 LoCoMo 类别上均优于最接近的先前方法 MASkills，在多跳问题上取得最大增益（+6.7 和 +3.2 F1）。其增益建立在检索结果更具依据性的基础上，而非缺乏证据的直接作答，且其学到的技能可以在多跳任务之间迁移。GRSE 对受损的技能库具有鲁棒性：从人为植入的有害技能出发，GRSE 能以正确的符号为每个植入技能分配信用，并将得分恢复到干净技能库的水平（+6.3 分），而 MASkills 误判了其中两个技能的符号，且得分低于起始水平。

查看 arXiv 页面 (https://arxiv.org/abs/2610.27227)查看 PDF (https://arxiv.org/pdf/2610.27227)GitHub 3 (https://github.com/yananma1029/GRSE-Skills)添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2610.27227)

在你的智能体中获取此论文：

hf papers read 2610.27227

没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

暂无模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2610.27227 即可从此页面链接它。

引用此论文的数据集 0

暂无数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2610.27227 即可从此页面链接它。

引用此论文的 Spaces 0

暂无 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2610.27227 即可从此页面链接它。

包含此论文的收藏集 0

暂无收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 即可从此页面链接它。