arXiv · cs.CL· Haocheng Jiang·· 4 天前AI 评分32
RIVER 框架量化多智能体 LLM 交互中的声明级信息动态
Beyond Final Outcomes: Quantifying Claim-Level Information Dynamics in Multi-Agent LLM Interaction
来源与原文
arXiv · cs.CL
作者：Haocheng Jiang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.32333v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
arXiv 论文提出 RIVER 框架，将多智能体 LLM 交互的输出分解为原子声明，从收敛、探索、保留三个维度评估信息动态。研究在 40 个新闻生成受控案例上评估五种交互策略，发现反复汇聚式交互促进收敛但缩小信息空间，分布式接力则产生更广、共享更少的信息。结果表明集体信息动态更适合用信息流机制而非下游性能来解释。
来源：arXiv · cs.CL · arxiv.org