标签
介绍了CrowdMath，一个包含164条专家标注的进展链条的数据集，来自MIT PRIMES–AoPS CrowdMath项目，捕捉了协作数学问题解决过程。对六个前沿模型进行基准测试，发现它们在下一帖子预测上达到83-88%的准确率，但在帖子角色分类上仅有0.42的macro-F1，突显了在理解协作进展方面的差距。
本文研究了资源受限视觉智能体中共享状态协作推理的失效模式，引入了CoSee审计框架，该框架形式化了读写验证循环。研究发现，简单的共享工作区可能会放大幻觉，并识别出噪声增强和策略崩溃是主要的失效模式。
本文提出RecursiveMAS，一种将递归扩展原则应用于多智能体系统的框架，以提升协作推理的效率和准确性。与标准基线相比，该框架在多个基准测试中实现了显著的加速和token缩减。
LACE 引入了一种格子注意力机制，使LLM中的并发推理路径能够在推理过程中共享中间结果并相互纠正错误，相比标准的独立并行采样，推理准确度提高了7个多百分点。