CoSIR：信息奖励训练多智能体协作

2026年10月14日，arXiv Artificial Intelligence 刊出 Keru Chen 等作者的研究，提出 CoSIR（Collaboration via Surprisal-based Information Rewards），一种面向 LLM 多智能体协作的后训练方法。据该报道，CoSIR 通过一个简单、可验证的环境，教智能体共享证据、请求缺失信息并采纳队友贡献，以形成可迁移到更复杂、未见任务的协作行为。报道称，作者通过自博弈（self-play）对 Qwen3-4B、Qwen3-8B 和 Gemma-3-4B-it 进行后训练，并评估其向七个未见自然语言协作任务的迁移效果。目前进展停留在该方法被提出并完成上述模型与任务上的验证，尚无后续跟进报道，也未出现与早先报道相矛盾的数字、时间或说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。