Hugging Face提出CoSIR：革新多智能体协作训练方法

摘要：Hugging Face提出了一种名为CoSIR（基于信息惊喜度的协作奖励）的新方法，用于训练多智能体系统中的大语言模型（LLM）协作行为。CoSIR通过一个可验证的简单环境，利用贝叶斯评估器对共享信息和请求进行评分，激励智能体在复杂任务中有效共享证据、请求缺失信息并整合队友贡献。实验表明，CoSIR在多个未见过的自然语言协作任务中表现优异，同时在一般任务中保持竞争力。

---

技术机制剖析

CoSIR的核心机制在于通过一个可验证的简单环境，利用贝叶斯评估器对共享信息和请求进行评分。具体来说，共享信息的评分基于团队惊喜度的减少量，即每个智能体可用证据下正确选项的负对数概率之和。请求的评分则基于如果请求的信息被真实提供时，团队惊喜度减少的潜在量。此外，CoSIR还引入了单独的奖励机制，鼓励智能体在私人选择和计算中使用接收到的信息。

工程权衡与实测表现

CoSIR的训练方法在多个未见过的自然语言协作任务中表现出色，尤其是在披露私人证据和减少对队友输入的错误判断方面表现突出。然而，CoSIR的实现依赖于一个可验证的简单环境，这可能限制其在更复杂或不可控环境中的适用性。此外，CoSIR的训练过程需要大量的自我对弈（self-play），这可能会增加计算成本。

开发者落地与部署建议

对于希望提升多智能体系统协作能力的开发者，CoSIR提供了一种有效的训练方法。建议开发者在使用CoSIR时，结合具体的应用场景进行微调，并考虑在资源允许的情况下进行充分的自我对弈训练。此外，开发者还可以探索将CoSIR与其他协作机制（如多智能体强化学习）结合，以进一步提升系统性能。

结论

CoSIR展示了在多智能体协作训练中的巨大潜力，特别是在处理复杂任务和提升智能体间的协作效率方面。然而，其在更广泛的应用场景中的表现仍需进一步验证。开发者可以将其作为提升多智能体系统协作能力的重要工具。

---

消息来源：Hugging Face Daily Papers (2026-10-13)

—— 完 ——

主题标签： #Hugging Face 关注 #多智能体协作 关注 #大语言模型 关注 #强化学习 关注 #AI智能体 关注