★ 2
SynCo：多智能体强化学习协同训练自进化LLM
该论文提出 SynCo 框架，基于多智能体强化学习实现智能体数据合成协同训练，联合优化负责生成任务的 Synthesizer 与负责解题的 Reasoner，使任务分布随模型能力共同演化。在八个数学推理基准上，SynCo 显著优于现有合成数据方法，且大部分增益来自此前未解决的问题。
arXiv cs.AI24 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
该论文提出 SynCo 框架，基于多智能体强化学习实现智能体数据合成协同训练，联合优化负责生成任务的 Synthesizer 与负责解题的 Reasoner，使任务分布随模型能力共同演化。在八个数学推理基准上，SynCo 显著优于现有合成数据方法，且大部分增益来自此前未解决的问题。