arXiv · cs.AI· Nima H. Siboni, Magdalena Springer, Vahid Rostami·· 2 天前
Neuro-Inspired Inhibitory Message Passing：面向多智能体推理的抑制性消息传递
Neuro-Inspired Inhibitory Message Passing for Accurate and Token-Efficient Multi-Agent Reasoning
arXiv:2610.24718v1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：Nima H. Siboni, Magdalena Springer, Vahid Rostami
研究任务与主要进展
Nima H. Siboni、Magdalena Springer和Vahid Rostami提出一种无需训练的抑制性消息传递路由，用于多智能体推理。该方法每轮按证据句和接收者分别转发接收方尚未拥有的证据，排除发送者的推理和答案；摘要称，相比标准消息传递，三种基准的准确率提高39—77个百分点，每次运行Token减少10%—46%，并在最多64个智能体的多种组织架构中保持增益。
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