arXiv论文提出多Agent置信度校准框架MASCAL

Chenxiao Fan 等在 arXiv 发布论文，提出多智能体置信度校准框架 MASCAL：每个智能体通过强化学习联合优化任务表现与置信度校准，为答案输出正确性概率。 上游智能体在交接时传递该概率，下游智能体据此决定信任或验证，并引入置信度感知加权帮助其学会利用该信号。论文称，在 Web 检索与推理任务的三种协作架构上，MASCAL 提升了任务准确率和校准质量，并可泛化到更深的协作链与不同模型规模。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。