提出组合强化学习C-RL训练LLM多模型协作

Shangbin Feng、Yulia Tsvetkov、Jan Kautz、David Acuna 等人在 arXiv 发布论文，提出组合强化学习 C-RL：在多模型系统中训练一个策略，以系统整体产出的结果而非该模型单独正确率作为奖励，并用 Shapley 值形式化模型组合强度。基于论文摘要，在三种协作协议、覆盖推理、编码和科学发现的八个任务共 24 种设置中，C-RL 在 21 种设置中产出最强协作者，协作性能平均提升 4.0 至 5.4 分（约为基线提升的约 3 倍），最高提升 13.1 分。 研究同时指出，单模型能力与协作优势在多数设置下并不一致，即单独表现更好的模型不一定带来更大的系统增益。上述结果来自论文摘要，独立复现尚未见报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。