MAPS: Multi-Agent Personality Shaping for Collaborative Reasoning
针对现有多智能体协作推理中行为同质化、缺乏反思能力的问题,提出MAPS框架,基于大五人格理论分配独特人格特质并引入Critic智能体引导迭代优化,提升推理深度与灵活性,在基准测试中表现优异且具泛化性。
2025-11-12 cs.AI
CoMM: Collaborative Multi-Agent, Multi-Reasoning-Path Prompting for Complex Problem Solving
Texas A&M University(德克萨斯农工大学);Amazon Web Services(亚马逊网络服务)
本文提出CoMM提示框架,通过让多个扮演不同角色的LLM智能体基于不同推理路径协作,有效提升了模型解决复杂科学问题的能力。
2024-04-26 cs.CL
MA-RAG: Multi-Agent Retrieval-Augmented Generation via Collaborative Chain-of-Thought Reasoning
Dartmouth College(达特茅斯学院)
MA-RAG通过协调Planner、Step Definer、Extractor和QA等专用智能体进行协作思维链推理,将复杂QA任务分解为子任务逐步优化检索与合成,在多基准上超越现有RAG方法,确立了高效可靠的多智能体RAG新范式。
2025-10-11 cs.AI cs.CL
Chiron-o1: Igniting Multimodal Large Language Models towards Generalizable Medical Reasoning via Mentor-Intern Collaborative Search
Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);Fudan University(复旦大学);Shanghai Jiao Tong University(上海交通大学)
针对医学MLLM推理路径搜索评估框架缺失的问题,提出MICS方案生成优质医学CoT数据,构建难度分级的MMRP数据集,通过课程学习训练出Chiron-o1模型,在多项医学视觉问答与推理基准上达到SOTA。
2025-10-22 cs.AI cs.CL cs.CV
Reasoning Models Hallucinate More: Factuality-Aware Reinforcement Learning for Large Reasoning Models
Department of Computer Science, National University of Singapore(计算机科学系,新加坡国立大学)
本文揭示推理导向的强化学习微调会加剧幻觉问题,并提出事实感知逐步策略优化(FSPO)算法,通过在每一步推理中引入事实验证来动态调整优势值,实验证明其能同时减少幻觉并提升推理准确率。
2025-11-06 cs.AI cs.CL
Reinforcement Networks: novel framework for collaborative Multi-Agent Reinforcement Learning tasks
Institute for Artificial Intelligence, Lomonosov Moscow State University(人工智能研究所,罗蒙诺索夫莫斯科国立大学);Lomonosov Moscow State University(罗蒙诺索夫莫斯科国立大学)
强化网络提出了一种用于协作多智能体强化学习的新框架,通过有向无环图结构实现灵活的信用分配和可扩展协调,统一了分层、模块化和图结构的MARL观点。
2025-12-28 cs.AI cs.LG cs.MA
Two Heads are Better Than One: Test-time Scaling of Multi-agent Collaborative Reasoning
Rutgers University(罗格斯大学);University of Connecticut(康涅狄格大学);Nanyang Technological University(南洋理工大学);Sakana AI(Sakana人工智能公司);NVIDIA Research(英伟达研究院)
该研究针对单智能体测试时扩展(TTS)的瓶颈,提出用多智能体系统(MAS)升级TTS,引入M500数据集并结合CEO智能体的自适应策略,微调的Qwen2.5-32B-MAS等模型性能优于基础模型。
2026-08-27 cs.AI
Adaptive Reasoning Executor: A Collaborative Agent System for Efficient Reasoning
Artificial Intelligence Innovation and Incubation Institute, Fudan University(复旦大学人工智能创新与孵化院);School of Data Science, Fudan University(复旦大学数据科学学院);Shanghai Academy of Artificial Intelligence for Science(上海人工智能科学研究院)
提出一种集成小、大语言模型的协作智能体系统,通过小模型初答、大模型验证与按需深度推理,在简单问题上降低大模型计算成本超50%且几乎不损精度,并保持复杂任务性能。
2025-10-15 cs.AI
MACI: Multi-Agent Collaborative Intelligence for Adaptive Reasoning and Temporal Planning
Stanford University(斯坦福大学)
本文提出多智能体协作智能框架MACI,通过元规划器、任务智能体和运行时监控器三个组件,结合常识推理与规划验证解耦,克服传统LLM在推理、时间感知和约束管理上的局限,在调度任务中表现稳健。
2025-01-29 cs.AI
Enhancing LLM Reasoning with Multi-Path Collaborative Reactive and Reflection agents
本文提出RR-MP框架,通过多路径反应与反思智能体协同推理并整合多路径见解,在不额外训练的情况下提升大语言模型在道德、物理和数学等复杂科学推理任务中的准确率,实验证明其优于基线方法。
2025-01-03 cs.CL
Collaborative Reasoning on Multi-Modal Semantic Graphs for Video-Grounded Dialogue Generation
Wangxuan Institute of Computer Technology, Peking University(北京大学王选计算机研究所);Center for Data Science, AAIS, Peking University(北京大学人工智能研究院数据科学中心);Beijing Institute for General Artificial Intelligence(北京通用人工智能研究院)
我们研究了基于视频的对话生成,基于对话上下文和相关视频生成响应。该任务的主要挑战在于(1)将视频数据集成到预训练的语言模型(PLM)中的困难,这对利用大规模预训练的力量构成了障碍;(2)在整个推理过程中考虑各种模式的互补性的必要性。虽然在基于视频的对话生成方面取得了显着进展,但现有方法在与PLM集成以允许来自不同模式的信息相互补充时仍然存在不足。为了缓解这些问题,我们首先提出从视频中提取相关信息,并将其转化为PLM可接受的推理路径。此外,我们提出了一种多智能体强化学习方法来协作地对不同的模态进行推理(即,视频和对话上下文)。在两个公开数据集上的实验结果表明,该模型在自动和人工评估方面都能明显优于最先进的模型。
2022-10-22 cs.CL
CCL: Collaborative Curriculum Learning for Sparse-Reward Multi-Agent Reinforcement Learning via Co-evolutionary Task Evolution
Homesite Group Inc.(Homesite集团);Chewy Inc.(Chewy公司);University of Science and Technology Beijing(北京科技大学);Yunnan University of Finance and Economics(云南财经大学);Yunnan University(云南大学);The Australian National University(澳大利亚国立大学)
针对多智能体稀疏奖励导致的学习欠佳问题,提出CCL课程学习框架,通过任务细化、变分进化子任务生成及智能体—环境协同进化提升性能,并在五个协作任务中验证其优势。
2025-05-08 cs.AI cs.MA
CAMPHOR: Collaborative Agents for Multi-input Planning and High-Order Reasoning On Device
Stanford University(斯坦福大学);Apple(苹果公司)
本文提出CAMPHOR,一个设备端SLM多智能体框架,通过分层架构、参数共享和提示压缩处理多输入与高阶推理,微调后的SLM智能体在任务完成F1上比闭源LLM高约35%,同时无需服务器通信并增强隐私。
2024-10-12 cs.AI cs.CL cs.LG
AgentCDM: Enhancing Multi-Agent Collaborative Decision-Making via ACH-Inspired Structured Reasoning
针对多智能体协作决策中独裁式与投票式方法的不足,本文提出受 ACH 启发的 AgentCDM 框架,通过两阶段训练实现结构化推理与自主泛化,在多个基准上取得最先进性能。
2025-08-16 cs.AI cs.MA
Efficient Distributed Framework for Collaborative Multi-Agent Reinforcement Learning
Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳));Ping An Technology(平安科技)
不完全信息环境下的多智能体强化学习受到了研究者的广泛关注。但由于样本采集慢、样本探索差等问题,多智能体强化学习仍存在模型迭代不稳定、训练效率低等问题。此外,现有的分布式框架大多是针对单智能体强化学习提出的,不适合多智能体。在本文中,我们设计了一个分布式MARL框架的基础上,演员工作学习者的架构。在该框架中,可以同时部署多个异步环境交互模块,大大提高了样本采集速度和样本多样性。同时,为了充分利用计算资源,我们将模型迭代与环境交互解耦,从而加速策略迭代。最后,在具有不完全信息特征的MaCA军事仿真环境和SMAC三维实时战略博弈环境中验证了该框架的有效性。
2022-05-11 cs.AI cs.LG cs.MA
Energy-Aware Multi-Agent Reinforcement Learning for Collaborative Execution in Mission-Oriented Drone Networks
Colby College(科尔比学院);Columbia University(哥伦比亚大学)
针对任务型无人机网络协同执行的能量与轨迹设计挑战,提出基于多智能体强化学习的协同执行模型,以电池电量驱动设计,实现高任务成功率。
2024-10-29 cs.AI cs.LG cs.MA
Dynamic Collaborative Multi-Agent Reinforcement Learning Communication for Autonomous Drone Reforestation
Aleph Alpha
我们采用协作式多智能体强化学习(MARL)设置来实现基于无人机的自主重新造林。代理可以作为动态变化的网络的一部分进行通信。我们在一个高影响力的问题背后探索协作和沟通。森林是控制二氧化碳上升的主要资源。不幸的是,全球森林体积正在以前所未有的速度减少。许多地区太大,很难穿越种植新的树木。为了有效地覆盖尽可能多的区域,在这里,我们提出了一个基于图神经网络(GNN)的通信机制,使合作。代理可以共享需要重新造林的区域的位置信息,这增加了查看的区域和种植的树木数量。我们比较我们提出的通信机制与多代理基线没有能力进行通信。结果表明,沟通如何实现协作,提高集体绩效,种植精度和个人代理的冒险倾向。
2022-11-14 cs.AI cs.LG cs.MA
Co-Learning: Code Learning for Multi-Agent Reinforcement Collaborative Framework with Conversational Natural Language Interfaces
Beijing Normal University-Hong Kong Baptist University United International College(北京师范大学-香港浸会大学联合国际学院)
本文提出 Co-Learning 多智能体框架,结合环境强化学习与多个大语言模型,在 702 个错误代码数据集上实现代码纠错,使 Precision 提高 3%、时间成本改善 15%。
2024-09-02 cs.AI cs.CL cs.SE
Collaborative Multi-Agent Scripts Generation for Enhancing Imperfect-Information Reasoning in Murder Mystery Games
Sun Yat-sen University(中山大学);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳))
本文提出协作多智能体框架,通过生成丰富多模态上下文提升VLMs在叙事推理和欺骗鲁棒性中的表现,解决多玩家游戏中不完全信息下的复杂推理问题。
2026-08-11 cs.AI
Co-CoT: A Prompt-Based Framework for Collaborative Chain-of-Thought Reasoning
针对短视频和AI普及削弱深度思考的问题,提出交互式思维链框架,通过模块化、可编辑的推理过程增强可解释性,并整合偏好学习机制,促进用户批判性参与和负责任AI使用。
2025-04-23 cs.CL
Compositional RL: Evaluating and Training LLMs for Collaborative Reasoning
University of Washington(华盛顿大学);NVIDIA(英伟达)
该研究提出组合式强化学习(C-RL),发现大语言模型的个体性能与协作价值基本不相关,C-RL在多数设置中可显著提升多模型协作的性能。
2026-10-14 cs.AI cs.CL cs.LG
LegalBench: A Collaboratively Built Benchmark for Measuring Legal Reasoning in Large Language Models
Stanford University(斯坦福大学);University of Chicago(芝加哥大学);Maxime Tools(Maxime工具公司);LawBeta(LawBeta机构);South Texas College of Law Houston(休斯顿南德克萨斯法学院);University of Toronto(多伦多大学);St. Thomas University Benjamin L. Crump College of Law(圣托马斯大学本杰明·L·克伦普法学院);Harvard Law School(哈佛法学院);Stanford Center for Legal Informatics - CodeX(斯坦福法律信息学中心(CodeX));University of Southern California(南加州大学);Georgetown University Law Center(乔治城大学法律中心);Stanford Law School(斯坦福法学院);University of Virginia(弗吉尼亚大学);Télécom Paris, Institut Polytechnique de Paris(巴黎理工学院巴黎电信学院)
针对大语言模型可执行的法律推理类型问题,研究提出由法律专业人士协作构建、含162项任务覆盖六类推理的LegalBench基准,关联主流法律框架以提供跨学科通用词汇,并完成20款开源及商业大模型的实证评估,支撑相关研究探索。
2023-08-20 cs.AI cs.CL cs.CY
OrchMAS: Orchestrated Reasoning with Multi Collaborative Heterogeneous Scientific Expert Structured Agents
Magellan Technology Research Institute (MTRI)(Magellan技术研究 institute);Nanyang Technological University(南洋理工大学)
OrchMAS通过双层多模型编排框架,实现异构科学专家代理的动态协作,提升复杂科学推理的鲁棒性和效率。
2026-03-03 cs.AI
Guided Verifier: Collaborative Multimodal Reasoning via Dynamic Process Supervision
University of Chinese Academy of Sciences(中国科学院大学);Peking University(北京大学);The University of Hong Kong(香港大学)
本文提出引导验证器框架,通过动态过程监督实现多模态推理的协作优化,提升模型性能。
2026-02-04 cs.CL
Multi-Agent Collaborative Reasoning with Tool-Augmented Evidence for Urban Region Profiling
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));University of Washington(华盛顿大学);Chang’an University(长安大学);University of Wisconsin - Madison(威斯康星大学麦迪逊分校)
研究针对城市区域剖析问题,提出UrbanAgent框架,通过多智能体协作推理解决跨模态不一致,将指标预测扩展为闭环过程,经实验验证其性能优于现有基线,在未见城市设置中有强泛化性。
2026-07-16 cs.AI
Co-FactChecker: A Framework for Human-AI Collaborative Claim Verification Using Large Reasoning Models
MBZUAI(穆罕默德·本·拉希德人工智能技术 institute);TU Darmstadt(德累斯顿理工大学);IIT Delhi(德里印度理工学院)
本文提出Co-FactChecker框架,通过将模型的思考轨迹作为共享草稿,利用专家反馈指导推理,提升事实核查的准确性和可解释性。
2026-09-23 cs.CL
MACReD: A Multi-Agent Collaborative Reasoning Framework for Reaction Diagram Parsing
University of Science;Technology of China \& iFLYTEK Co., Ltd. Hefei China;Technology of China \& iFLYTEK Co., Ltd.
提出MACReD分层多智能体框架,通过协调分子感知、箭头理解、文本提取和反应重建等专用智能体,在统一VLM引导架构下实现化学图解解析,在RxnScribe基准上达到最优性能。
2026-05-27 cs.AI
Collaborative Information Dissemination with Graph-based Multi-Agent Reinforcement Learning
Institute for Human & Machine Cognition(人机认知研究所);The University of West Florida(西佛罗里达大学);US Army Research Laboratory(美国陆军研究实验室)
本文提出基于图注意力网络的多智能体强化学习方法,通过部分可观测随机博弈建模信息传播,使智能体独立决策转发,在动态网络上以更低通信开销实现更高网络覆盖率。
2024-02-21 cs.AI cs.LG cs.MA
The Bystander Effect in Multi-Agent Reasoning: Quantifying Cognitive Loafing in Collaborative Interactions
University of Waterloo(滑铁卢大学)
研究揭示多智能体系统中社交压力引发的认知惰性现象,通过评估22500条轨迹发现模型在协作中逻辑主权崩溃,揭示了主权缺口与对齐幻觉问题。
2026-09-23 cs.AI cs.MA
Multi-source Heterogeneous Public Opinion Analysis via Collaborative Reasoning and Adaptive Fusion: A Systematically Integrated Approach
Yi Liu School of Software Xi’an Jiaotong University(刘毅 软件学院 西安交通大学)
本文提出CRAF框架,通过协同推理与自适应融合整合传统方法与LLMs,提升多源异构公共意见分析的跨平台适应性与性能
2026-01-25 cs.CL
Collaborative Belief Reasoning with LLMs for Efficient Multi-Agent Collaboration
Shenzhen International Graduate School, Tsinghua University(深圳国际研究生院,清华大学);Huawei Tenchnologies Co., Ltd.(华为技术有限公司);University of Science and Technology of China(中国科学技术大学)
CoBel-World通过协同信念世界框架,提升LLM多智能体协作的效率和人类化表现。
2026-01-30 cs.AI cs.MA
Collaborative Auto-Curricula Multi-Agent Reinforcement Learning with Graph Neural Network Communication Layer for Open-ended Wildfire-Management Resource Distribution
现实世界中的大多数领域都可以用多智能体(MA)系统来描述。意图共享代理可以通过协作解决更复杂的任务,可能在更短的时间内。真正的合作行动是有益的利己主义和集体的原因。然而,教导个体代理人为了更好的集体表现而牺牲利己主义利益似乎具有挑战性。我们建立在最近提出的多智能体强化学习(MARL)机制与图神经网络(GNN)通信层。很少选择的沟通行动是边际有益的。在这里,我们提出了一个MARL系统中,代理可以帮助合作者更好地执行,同时冒着个人性能低。我们在野火管理资源分配的背景下进行研究。沟通环境特征和部分可观察的火灾发生帮助代理集体先发制人地分配资源。此外,我们引入了一个程序化的培训环境,适应自动课程和开放性,以更好的概括性。我们的MA通信建议优于贪婪启发式基线和单代理(SA)设置。我们进一步展示了自动课程和开放性如何提高我们的MA提案的可推广性。
2022-04-24 cs.AI cs.LG cs.MA
Collaborative Multi-Agent Reinforcement Learning for Automated Feature Transformation with Graph-Driven Path Optimization
Computer Network Information Center, Chinese Academy of Sciences, and the University of the Chinese Academy of Sciences(中国科学院计算机网络信息中心及中国科学院大学);Department of Electrical Engineering and Computer Science at the University of Kansas(堪萨斯大学电气工程与计算机科学系);School of Computing and Information Technology, Great Bay University, Dongguan, China(广东大湾大学计算机与信息科技学院);School of Software, Tsinghua University(清华大学软件学院);Institute for Infocomm Research, Agency for Science, Technology, and Research(新加坡科技研究局信息与通信研究院)
提出TCTO框架,利用协作多智能体强化学习与图驱动路径优化,通过演化交互图实现自动化特征变换,提升下游任务性能。
2025-04-24 cs.AI cs.LG
REARANK: Reasoning Re-ranking Agent via Reinforcement Learning
Mila - Quebec AI Institute(魁北克AI研究所);Université de Montréal(蒙特利尔大学);Fudan University(复旦大学);McGill University(麦吉尔大学);Canada CIFAR AI Chair(加拿大CIFAR人工智能 chair)
提出REARANK,一种基于强化学习的列表式推理重排序智能体,通过显式推理和少量标注样本,在信息检索基准上达到或超越GPT-4性能。
2025-05-26 cs.CL cs.IR
Adaptive GPU Resource Allocation for Multi-Agent Collaborative Reasoning in Serverless Environments
Department of Engineering Management and Systems Engineering, George Washington University, USA(工程管理与系统工程系,乔治华盛顿大学)
本文提出一种自适应GPU资源分配框架,通过动态分配资源降低延迟并提升效率,适用于无服务器环境下的多智能体协作推理任务。
2026-01-01 cs.AI cs.DC cs.MA
CID-TKG: Collaborative Historical Invariance and Evolutionary Dynamics Learning for Temporal Knowledge Graph Reasoning
University of Science and Technology Beijing(北京科技大学)
本文提出CID-TKG框架,通过整合历史不变性和进化动态语义,提升时序知识图谱推理能力,实验表明其在 extrapolation 情况下表现优异。
2026-03-09 cs.AI cs.CL
When Less is Enough: Efficient Inference via Collaborative Reasoning
Boston University(波士顿大学);MIT(麻省理工学院);CSAIL(计算机科学与人工智能实验室);Biohub(生物枢纽)
本文提出DUET框架,通过能力强模型与轻量模型协作解决任务,降低推理成本,提升推理效率。
2026-05-01 cs.AI cs.CL cs.LG
Collaborative Policy Learning for Open Knowledge Graph Reasoning
Carnegie Mellon University(卡内基梅隆大学);University of Montreal(蒙特利尔大学);University of Southern California(南加州大学);Zhejiang University(浙江大学)
近年来,可解释图推理方法引起了人们极大的兴趣。然而,这些模型在稀疏和不完整的图上工作时,由于缺乏可以到达目标实体的证据路径,通常会受到性能限制。在这里,我们研究开放知识图谱推理-一个旨在通过背景文本语料库增强的图来推理缺失事实的任务。该任务的一个关键挑战是过滤掉从语料库中提取的“不相关”事实,以便在路径推理过程中保持有效的搜索空间。我们提出了一种新的强化学习框架,训练两个合作代理人联合,即,多跳图推理器和事实提取器。事实提取代理从语料库中生成事实三元组,以丰富动态图;而推理代理向事实提取器提供反馈,并引导其促进有助于可解释推理的事实。在两个公开数据集上的实验证明了该方法的有效性。本文中使用的源代码和数据集可以从https://github.com/shanzhenren/CPL下载
2019-08-31 cs.AI cs.CL cs.LG
LegalBench: Prototyping a Collaborative Benchmark for Legal Reasoning
Stanford Law School(斯坦福法学院);Stanford Computer Science(斯坦福大学计算机科学系)
基础模型能否被引导执行涉及法律推理的任务?我们认为,建立一个基准来回答这个问题将需要计算机科学和法律界之间的持续合作努力。为此,这份简短的文件有三个目的。首先,我们描述了IRAC-一个框架,法律学者用来区分不同类型的法律推理-可以指导建设的基础模型为导向的基准。其次,我们提出了一个种子集的44个任务,根据这个框架。我们讨论了初步的发现,并强调了新任务的方向。最后,受开放科学运动的启发,我们呼吁法律和计算机科学社区通过贡献新任务来加入我们的努力。这项工作正在进行中,我们的进展可以在这里跟踪:https://github.com/HazyResearch/legalbench。
2022-09-13 cs.AI
Learning Collaborative Agents with Rule Guidance for Knowledge Graph Reasoning
University of Southern California(南加州大学);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
基于Walk的模型在知识图谱(KG)推理中表现出了其优势,在提供可解释决策的同时实现了良好的性能。然而,KG在遍历期间提供的稀疏奖励信号通常不足以指导复杂的基于行走的强化学习(RL)模型。另一种方法是使用传统的符号方法(例如,规则归纳),取得了良好的性能,但由于符号表示的限制,很难推广。在本文中,我们提出了RuleGuider,它利用基于符号的方法生成的高质量规则,为基于行走的代理提供奖励监督。在基准数据集上的实验表明,RuleGuider在不损失可解释性的情况下提高了基于行走的模型的性能。
2020-10-06 cs.AI cs.CL cs.LG
Reasoning with Autoregressive-Diffusion Collaborative Thoughts
The Chinese University of Hong Kong(香港中文大学);University of Science and Technology of China(中国科学技术大学);Tsinghua University(清华大学)
本文提出协同思想框架,通过自回归和扩散模型的闭环协作提升空间推理可靠性与生成可控性。
2026-02-02 cs.AI
Multi-Path Collaborative Reasoning via Reinforcement Learning
Sichuan University(四川大学);GigaAI(极佳科技);Tsinghua University(清华大学)
本文提出M3PO框架,通过多路径协作机制提升大语言模型的推理能力,实现更可靠和高效的多步推理。
2025-12-08 cs.AI cs.LG
Reinforcement Learning-Augmented LLM Agents for Collaborative Decision Making and Performance Optimization
New England College(新英格兰学院);Northeastern University(东北大学);University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
本研究提出强化学习增强的LLM代理框架,通过GRPO和联合奖励优化,提升多智能体协作任务的效率与一致性。
2025-12-31 cs.AI
Neural Collaborative Reasoning
Rutgers University(罗格斯大学);Tsinghua University(清华大学)
现有的协同过滤(CF)方法大多是基于匹配的思想设计的,即,通过使用浅模型或深模型从数据中学习用户和项目嵌入,它们试图捕获数据中的关联相关性模式,使得用户嵌入可以使用设计的或学习的相似性函数与相关项目嵌入相匹配。然而,作为一种认知而非感知智能任务,推荐不仅需要从数据中进行模式识别和匹配的能力,还需要对数据进行认知推理的能力。在本文中,我们提出了先进的协同过滤(CF)的协同推理(CR),这意味着每个用户都知道的推理空间的一部分,他们合作的推理空间,以估计对方的喜好。从技术上讲,我们提出了一个神经协作推理(NCR)框架来连接学习和推理。具体来说,我们整合了表示学习和逻辑推理的力量,其中表示从感知角度捕获数据中的相似模式,逻辑有助于认知推理,以做出明智的决策。然而,一个重要的挑战是在一个共享的优化和推理架构中桥接可微神经网络和符号推理。为了解决这个问题,我们提出了一个模块化的推理架构,它学习逻辑运算,如AND($\wedge$),OR($\vee$)和NOT($\neg$)作为隐含推理的神经模块($\rightarrow$)。这样,逻辑表达式可以等效地组织为神经网络,从而可以在连续空间中进行逻辑推理和预测。在真实数据集上的实验验证了该框架与浅层、深层和推理模型相比的优势。
2021-05-03 cs.AI cs.IR cs.LG
K-nearest Multi-agent Deep Reinforcement Learning for Collaborative Tasks with a Variable Number of Agents
Hitachi Industrial AI Lab(日立工业人工智能实验室)
传统上,多智能体深度强化学习算法的性能是在游戏环境中展示和验证的,在游戏环境中,我们通常有固定数量的智能体。在许多工业应用中,可用试剂的数量可以在任何给定的一天改变,并且即使当试剂的数量提前已知时,试剂在操作期间中断并且在一段时间内变得不可用也是常见的。在本文中,我们提出了一种新的深度强化学习算法的多智能体协作任务与可变数量的代理。我们演示了我们的算法使用日立开发的车队管理模拟器在生产现场生成逼真的场景中的应用。
2022-01-18 cs.AI cs.LG cs.MA
DeAR: Decentralized Agentic Reasoning via Capability Grounding and Collaborative Thought Navigation
针对现有智能体推理系统的路由瓶颈与静态角色分配问题,提出DeAR框架,通过三种机制实现去中心化协作,在9类基准测试中性能优于基线方法,提升了知识密集型推理任务的准确性。
2026-08-19 cs.AI
Counterfactual Collaborative Reasoning
Rutgers University(罗格斯大学);Rutgers Preparatory School(罗格斯预科学校)
本文提出反事实协作推理(CCR),将反事实推理与神经逻辑推理结合,通过生成困难反事实样本进行显式数据增强,在推荐系统上缓解数据稀缺、提升准确性并增强模型透明度。
2023-06-30 cs.AI cs.CL cs.IR
Handling Cold-Start Collaborative Filtering with Reinforcement Learning
Carnegie Mellon University(卡内基梅隆大学)
推荐系统中的一个主要挑战是处理新用户,他们也被称为$\textit{cold-start}$用户。在本文中,我们提出了一种新的方法来学习一系列最佳的问题,以访问冷启动用户的电影推荐系统。我们建议使用Deep Q Networks来学习面试问题,以创建用户简档,从而为冷启动用户提供更好的推荐。虽然我们提出的系统是使用电影推荐系统进行训练的,但我们的Deep Q Network模型应该可以推广到各种类型的推荐系统。
2018-06-16 cs.AI cs.IR cs.LG
MAPoRL: Multi-Agent Post-Co-Training for Collaborative Large Language Models with Reinforcement Learning
MIT(麻省理工学院);Stanford(斯坦福大学);Amazon(亚马逊);UMD(大学公园大学)
提出MAPoRL多智能体联合后训练范式,通过强化学习共同训练多个LLM并利用验证器奖励机制,显著提升了模型跨基准的协作性能与泛化能力。
2025-07-12 cs.AI
Collaborative Learning and Reasoning over Model Slices
School of Artificial Intelligence, Shanghai Jiao Tong University(上海交通大学人工智能学院)
该研究针对单模型推理的错误传播问题,提出模型切片与金字塔监督结合的协同学习方法,在四类任务上实现了优于或媲美基线的性能,且推理效率更高。
2026-10-12 cs.AI
Human-centered collaborative robots with deep reinforcement learning
KTH Royal Institute of Technology(瑞典皇家理工学院)
我们提出了一个基于强化学习的以人为中心的协作系统框架。该框架是积极主动的,通过最大限度地减少完成任务所花的总时间,平衡了及时行动的好处和采取不当行动的风险。该框架以无监督的方式进行端到端的学习,以综合的方式解决感知不确定性和决策。该框架被证明是提供更流畅的协调人类和机器人合作伙伴之间的一个例子任务的包装相比,感知和决策系统独立学习的替代品,使用监督学习。所提出的方法的最大好处是,它允许快速适应新的人类合作伙伴和任务,因为繁琐的注释的运动数据被避免,并在线进行学习。
2020-07-02 cs.AI cs.LG cs.RO
Research on Edge Computing and Cloud Collaborative Resource Scheduling Optimization Based on Deep Reinforcement Learning
Microsoft(微软);University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
本研究提出一种基于深度强化学习(DRL)的边缘云协同资源调度优化方法,有效提升了任务处理效率与资源利用率并控制任务迁移,实验证明其优于传统算法,未来将致力于提升学习效率与容错能力。
2025-04-10 cs.AI cs.DC cs.LG
Solving Collaborative Dec-POMDPs with Deep Reinforcement Learning Heuristics
针对现有 Dec-POMDP 最先进算法难以处理复杂智能体协作的问题,提出 SA2MA 两阶段方法:先学习单智能体策略,再将其用于多智能体求解,并在复杂协作领域中取得明显优势。
2024-08-30 cs.AI cs.LG cs.MA
UNeMo: Collaborative Visual-Language Reasoning and Navigation via a Multimodal World Model
UNeMo通过多模态世界模型实现视觉-语言推理与导航的协作优化,提升导航准确率。
2026-02-07 cs.AI