Octopus 提出单模型多智能体强化学习框架，KV 缓存共享提速 3.3 倍
原文标题：Octopus: One Brain, Many Branches for Latent-KV Multi-Agent Reinforcement Learning
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 Octopus 框架，让多智能体 LLM 的所有分支共享同一骨干模型，并通过 GPU 常驻的 KV 状态有向无环图协调。其零拷贝基数分叉、仅注意力 KV 挂载与 Packed DAG-GRPO 训练器三项机制，将离任务劫持降低 21 倍。在 Qwen3.5-4B 上训练后，BrowseComp-Plus 准确率达 49.6%，训练吞吐提升 3.3 倍、峰值 KV 内存降低 2.8 倍。
- 问题
- 多智能体LLM框架重复复制前缀KV缓存、靠重预填文本交换信息、RL中丢失跨分支依赖。
- 方法
- 单骨干模型多智能体RL框架，用GPU常驻KV状态DAG与fork/read/wait/rewind/commit五原语协调，配合零拷贝基数分叉、仅注意力KV挂载与Packed DAG-GRPO训练器。
- 结果
- 离任务劫持从57.9%降至2.7%（21倍），保留92.2%全文互信息；Qwen3.5-4B上BrowseComp-Plus准确率49.6%，训练吞吐提升3.3倍、峰值KV内存降低2.8倍。
- 影响
- 大幅降低多智能体RL的训练成本与显存占用，使单卡训练多分支智能体更可行。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Octopus 让多智能体共享单骨干与 KV DAG，训练吞吐提升 3.3 倍、峰值 KV 内存降 2.8 倍。
- •五个原语（fork、read_thread、wait_threads、rewind、commit）在 GPU 常驻 KV 状态 DAG 上协调各分支。
- •零拷贝基数分叉把分支生成为共享物理 KV 页上的 O(1) 游标视图。
- •仅注意力 KV 挂载绕过线性循环状态，离任务劫持从 57.9% 降至 2.7%（21 倍），零额外 KV 分配下保留 92.2% 全文互信息。
- •Packed DAG-GRPO 训练器把各分支打包进一次块稀疏注意力，用留一分支边际奖励分配反事实信用。
- •Qwen3.5-4B 在稀疏 BM25 语料上端到端 GRPO 训练后，BrowseComp-Plus 准确率 49.6%。
为什么重要：多智能体框架普遍重复前缀 KV、靠重预填交换信息，Octopus 把共享与依赖关系做进系统层，同时改善训练效率与推理质量。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。