arXiv · cs.AI · Yifan Zeng, Yiran Wu, Yaolun Zhang, Wentian Zhao, Kun Wan, Qingyun Wu, Huazheng Wang · 8 小时前模型评分45
多智能体强化学习何时能提升 大语言模型（LLM，Large Language Model） 工作流？工作流、规模与策略共享的权衡
When Does Multi-Agent RL Improve LLM Workflows? Workflow, Scale, and Policy-Sharing Tradeoffs
导读
研究用 GRPO 在数学和代码任务上训练 Eval-Opt、Voting、Orch-Workers 三种多智能体工作流，覆盖三个 Qwen3 规模，并对比共享策略（SP）与按角色隔离策略（IP）。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We ask when this training improves a workflow over its base model and single-agent RL, and what each role learns.”
来源：arXiv · cs.AI · arxiv.org