12:16官方账号arXiv cs.AI@Yihang Chen, Yuxiang Chen, Yuxuan Huang, Meng Fang, Weilin Luo, Jun Wang精选73°该研究提出双层协调反射模型,将协调者与工作者的交互建模为双层协调博弈。研究分析了文本反思作为语义记忆状态上的随机运动,推导了有限时间上界,并证明了在特定条件下的下界。研究还引入了随机反思记忆上升(SRMA)算法,在500个SWE-bench实例上达到72.2%的解决率。论文多智能体LLM系统博弈论推荐理由:清华团队提出多智能体LLM系统的博弈论框架,新算法在SWE-bench上超越基准2.2个百分点。原文稍后读已读值得跟进有用关注 多智能体
10:39官方账号arXiv cs.LG@Zhuoyi Yang, Ian G. Harris, Salar Hashemitaheri, Cassie Huang, Yuangang Li, Hyunwoo Oh, Paul Dourish, Tony Givargis, Mohsen Imani, Li Zhang自优化,通常由生成、批判和修订三个阶段组成,是提高LLM生成能力广泛采用的范式。本文对Qwen3和Gemma 3的6个和4个模型大小在不同领域的5个基准上进行了自优化管道的模型大小研究。研究发现,较大的生成器和修订器通常可以提高管道性能,而较小的修订器甚至可能损害性能。此外,性能对批判者的大小高度不敏感,尽管包括一个小的批判者始终优于完全省略批判。结果表明,模型容量不应在自优化管道中均匀分配,不同阶段表现出不同的规模扩展特性,为设计更高效的多元语言模型系统提供了实际指导。论文自优化管道模型大小分配LLM系统1 个信源在谈事件专题推荐理由:这篇论文研究了自优化管道中模型大小分配的影响,发现不同阶段对模型大小的需求不同,为设计更高效的LLM系统提供了新的视角。原文稍后读已读值得跟进有用关注 自优化管道