arXiv cs.AI· Keru Chen, Sen Lin, Yingbin Liang, Nathaniel D. Bastian, Shaofeng Zou·2026-10-15 12:00· 8 小时前AI 评分29

CoSIR：用可验证信息奖励训练 LLM 多智能体协作

Training LLMs for Multi-Agent Collaboration with Verifiable Information Rewards

AI 导读

研究者提出 CoSIR（Collaboration via Surprisal-based Information Rewards），一种后训练方法，通过可验证环境中的贝叶斯评估器按团队 surprisal 下降为共享信息打分，并据此奖励智能体披露证据、请求缺失信息和使用队友输入。

来源：arXiv cs.AI · arxiv.org