热点事件持续更新
CoSIR：用惊喜度降低奖励训练LLM多智能体协作
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月15日，AGI Hunt 报道了一种名为 CoSIR 的方法，用「团队惊喜度降低量」作为奖励，对 LLM 多智能体协作进行后训练。其做法是：由贝叶斯评估器为共享信息与信息请求打分，并另设一项独立奖励，鼓励智能体真正使用收到的信息。研究者在 Qwen3-4B/8B 与 Gemma-3-4B-it 上做自博弈后训练，结果显示模型在 7 个未见过的协作任务上总分最高，通用任务性能得以保持。行为分析显示，训练后私有证据披露增加，因忽视队友输入而导致的判定失败减少。截至该报道，尚无其他后续进展披露。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 10:17
AGI Hunt 报道 CoSIR：自博弈后训练后在 7 个未见协作任务总分最高，通用性能保持。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- AGI HuntCoSIR：用「惊喜度降低」奖励训练 LLM 多智能体协作
CoSIR 用「团队惊喜度降低量」奖励为 LLM 多智能体协作做后训练，贝叶斯评估器给共享信息与信息请求打分，另设独立奖励鼓励 agent 真正使用收到的信息。在 Qwen3-4B/8B 和 Gemma-3-4B-it 上自博弈后训练后，模型在 7 个未见协作任务上总分最高，通用任务性能保持。行为分析显示私有证据披露增加，忽视队友输入的判定失败减少。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。