增强学习增强的LLM代理用于协作决策制定和性能优化

于红博

摘要: 大型语言模型（LLM）在语言任务中表现良好，但通常缺乏协作意识，并且在多智能体环境中很难优化全局性能。我们提出了一种增强强化学习的LLM代理框架，将合作形式化为分布式部分可观察马尔可夫决策过程（Dec-POMDP），采用集中训练与分散执行（CTDE）。我们引入了群体相对策略优化（GRPO）来在训练期间共同优化代理策略，同时使用一种简化的联合奖励来平衡任务质量、速度和协调成本。在协作写作和编码基准测试中，我们的框架相对于单一代理基准线实现了3倍的任务处理速度提高，98.7%的写作结构/风格一致性，并且在编码方面具有74.6%的测试通过率。该方法始终优于强大的多智能体LLM基准线，并为在复杂工作流程中可靠协作提供了实际途径。

更新时间: 2025-12-31 03:59:18

领域: cs.AI

下载: http://arxiv.org/abs/2512.24609v1