标签
本文研究了在由语言模型组成的多模块神经系统中，限制证据可见性如何提高组合泛化能力，表明在接力通信设置中，受限可见性社会比全局可见社会性能高出超过20个百分点。
本文提出 mmGRPO，一种多模块扩展的群体相对策略优化（GRPO）方法，通过优化语言模型调用和提示来提升模块化 AI 系统的准确率。实验表明，该方法在各类任务上平均带来 11% 的准确率提升，并在 DSPy 中提供了开源实现。