arXiv · cs.AI· Keru Chen, Sen Lin, Yingbin Liang, Nathaniel D. Bastian, Shaofeng Zou·· 11 小时前
CoSIR：通过可验证信息奖励训练大语言模型多智能体协作
Training LLMs for Multi-Agent Collaboration with Verifiable Information Rewards
arXiv:2610.17893v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Keru Chen, Sen Lin, Yingbin Liang, Nathaniel D. Bastian, Shaofeng Zou
研究任务与主要进展
研究者提出CoSIR（Collaboration via Surprisal-based Information Rewards），用基于团队surprisal下降的Bayesian评估器，为共享信息和请求信息提供可验证奖励，并通过自博弈后训练Qwen3-4B、Qwen3-8B和Gemma-3-4B-it。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org