Ag
PRISM: PRIvileged Sibling-guided Multi-Agent Topology Design
PRISM 提出一种面向 LLM 多智能体系统的拓扑生成后训练方法:利用同一查询下另一个已验证可行图作为"特权兄弟"信息,通过零初始化低秩分支让教师模型提供逐决策监督,使学生模型学到查询级偏好,避免 SFT 偏向语料高频拓扑。在六个基准上优于现有拓扑设计基线。
Agent·arXiv cs.CL·5 天前
先用站内已采集内容作答;站内不足时联网检索,每条结论都给出来源链接
1 条 · 点击可看原文全文与中文译文
PRISM 提出一种面向 LLM 多智能体系统的拓扑生成后训练方法:利用同一查询下另一个已验证可行图作为"特权兄弟"信息,通过零初始化低秩分支让教师模型提供逐决策监督,使学生模型学到查询级偏好,避免 SFT 偏向语料高频拓扑。在六个基准上优于现有拓扑设计基线。
现有资料不足以回答「PRISM 相比 SFT 的消融实验是如何设计的」这一具体问题。资料 1 只提供了 PRISM 方法的概要描述,没有给出消融实验的设置细节。 资料 1 中能确认的相关信息只有:
也就是说,资料 1 只说明了 PRISM 与 SFT 在动机层面的差异(SFT 偏向高频拓扑,PRISM 学习查询级偏好),但没有披露消融实验的对照组设置、消融项(例如是否去掉特权兄弟信息、是否去掉零初始化低秩分支)、评测基准与指标等实验设计内容。