研究者提出多智能体置信度校准方法 MASCAL

1. 12:00
   arXiv cs.AI

   MASCAL：为多智能体协作学习校准置信度

   研究者提出 MASCAL，让多智能体系统中的每个智能体通过强化学习联合优化任务表现与置信度校准，为自身答案输出正确概率，并在交接时传给下游智能体作为量化判断依据。该方法还引入置信度感知加权，提升下游智能体对上游概率信号的利用。在覆盖 Web 检索与推理任务的三种协作架构上，MASCAL 同时提升了双方智能体的任务准确率与校准质量，并可泛化到更深的协作链和不同模型规模。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。