Ny träningsmetod låter flera AI-agenter optimeras som ett lag istället för individuellt

arXiv cs.AI

Forskare föreslår SRPO, en metod för att träna system med flera samverkande AI-modeller där hela gruppen av svar behandlas som en gemensam handling – inte var och en för sig. Problemet med befintliga metoder är att de optimerar varje modells svar separat, även när flera modeller tillsammans driver ett beslut. Tester på matematisk resonemang och flerstegssökning visar att SRPO presterar bäst i snittjämförelser över fyra olika modellstorlekar.