multi-agent-value-decomposition

#multi-agent-value-decomposition

LC-ERD：通过一致性规约的奖励分解挖掘潜在逻辑实现自我进化推理

arXiv cs.AI ↗ · 2026-05-26 缓存

LC-ERD是一个框架，从LLM生成的推理链中挖掘潜在逻辑，将全局奖励分解为步骤级信号，实现无需人工标注的自我进化推理。它通过变分逻辑势和多智能体值分解来解决标签噪声、粗粒度监督和分布崩溃问题。

0 人收藏 0 人点赞