arXiv cs.AI· Sai Vallurupalli, Francis Ferraro·· 11 小时前AI 评分24
SMART：基于状态的多智能体推理轨迹，用于面向验证的问题求解
SMART: State-based Multi Agent Reasoning Traces for Verification-oriented Problem-Solving
AI 导读
多智能体框架 SMART 通过捕捉问题语境中参与实体的隐式状态来获取知识，并用多种 LLM 和结构化角色提示策略将其整理为多样、互补且与解法相关的前提。在跨 3 个数据集的复杂科学论断上，这种知识引导的求解推理使验证性能最高提升 20%；将前提锚定于真实世界知识是必要的，可带来最高 5% 的性能提升。
正文 · AI 翻译
摘要：上下文有限的复杂问题（如索赔）需要一种手段来获取解题推理所需的额外知识。我们提出了一个多智能体框架 SMART，通过捕捉问题上下文中参与实体的隐式状态来获取知识。SMART 使用多种 LLM 和基于角色的结构化提示策略，将这些状态知识整理为多样、互补且对解题关键的 premise。利用这些经真实世界验证的整理 premise 中的知识，SMART 的知识引导解题推理在 3 个数据集上的复杂科学索赔上使验证性能提升高达 20%。我们表明，将 premise 建立在真实世界知识中是必要的，并能将性能提升高达 5%。
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2611.08196 [cs.AI] |
| （或 arXiv:2611.08196v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.08196 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Sai Vallurupalli [查看电子邮件]
[v1]
2026 年 11 月 5 日星期四 15:51:39 UTC（1,441 KB）
来源：arXiv cs.AI · arxiv.org