cz的文章

Multi2: Hierarchical Multi-Agent Decision-Making with LLM-Based Agents in Interactive Environments

1. 摘要（Abstract）本文研究的是长程交互环境中大模型智能体的决策稳定性问题。现有 LLM-based agents 已经具备较强的上下文理解和推理能力，但在多轮交互任务中仍然容易出现目标漂移。也就是说，模型一开始能够理解任务目标，但随着交互轮次增加，计划和动作...

1个月前 (07-30)

摘要：大模型应用正在从生成式交互走向行动式协作。智能体不再只是回答问题，而是代表用户调用模型、访问内容、执行工具、写入状态并协调多个服务。这一变化使网络面对的核心问题从“端到端可达”扩展为“任务链路可控”：主体身份如何确认，委托授权如何传递，能力如何发现，内容如何鉴权，资源消耗...

1个月前 (07-30)

1. 摘要（Abstract）本文研究的是面向终端环境的智能体训练数据构建问题。随着大模型智能体逐渐进入代码开发、系统运维、自动调试等真实任务，仅依赖静态文本数据已经难以训练出可靠的执行能力。终端任务的难点在于，模型不仅要理解指令，还要能在真实环境中执行命令、观察反馈、...

1个月前 (07-24)

1. 摘要（Abstract）本文研究的是长程交互型 LLM Agent 的训练问题，核心关注点是稀疏延迟奖励下的贡献归因。随着大语言模型从静态文本生成逐渐走向环境交互，LLM Agent 需要在网页购物、虚拟实验、家居任务等复杂环境中进行连续决策。然而，这类任务通常只...

3个月前 (06-11)

1. 摘要（Abstract）本文研究的是 LLM Agents 在长程交互任务中的强化学习训练问题。现有大模型智能体在完成复杂环境任务时，通常会把完整的历史交互记录作为上下文输入，包括任务指令、过去观察、动作和中间状态等。这种做法虽然能帮助模型理解当前处境，但也带来了...

3个月前 (06-11)

1.摘要（Abstract）本文研究的是 LLM hallucination detection benchmark（大模型幻觉检测基准）的评测问题。随着大模型被用于电商、医疗、法律等真实场景，幻觉问题已经不只是模型效果问题，而是直接关系到生成式 AI 的安全使用。虽...

4个月前 (05-18)

1. 摘要（Abstract）本文研究的是大模型推理中的通信瓶颈问题，具体聚焦在 Tensor Parallelism（TP）推理场景下的 All-Reduce 加速。随着 LLM 参数规模不断扩大，单个 GPU 很难独立完成低延迟推理，多加速器并行已经成为常态。但在 ...

4个月前 (05-08)

1. 摘要（Abstract）本文聚焦于 LLM-based Search Agent 的训练问题。现有方法在强化学习训练中主要面临一个核心难点credit assignment（贡献归因）。一方面，基于最终答案的 outcome supervision 虽然训练稳定，...

5个月前 (04-22)