arXiv论文质疑多智能体团队心智理论准确率认证
热点事件历史事件
arXiv论文质疑多智能体团队心智理论准确率认证
2 篇报道2 个报道来源21 天前更新
先了解这件事
AI 综述
研究者 Will Beaumaster 与 Paul Schrater 在 arXiv 发表论文，认为以推断准确率认证多智能体团队中的心智理论协调模块是错误的。作者称准确率作为认证标准存在两个盲点：所需准确率取决于错误动作的代价，且模块之间的错误存在相关性。论文摘要未给出替代认证方案。 同期另一篇 arXiv 论文（Hanbo Xie、Yue Zhao、Robert C. Wilson）提出重复捉迷藏基准与诊断框架，用具有显式递归信念更新的算法对手区分自适应博弈、动作预测与信念追踪能力。在 Qwen2.5-7B-Instruct 上，告知对手类型和参数设置能提升预测准确率，但仅靠历史推断对手时表现下降。
AI 根据报道生成 · 20 天前更新
最新进展10月15日 12:00
多智能体团队中准确率无法认证心智理论：GPT-5.4-mini 到 Claude Opus 5.5 的盲点门控研究事件进展
2 个进展
- 10月15日 12:00 · 1 篇报道arXiv发布多智能体团队心智理论认证研究arXiv：cs.LG：多智能体团队中准确率无法认证心智理论：GPT-5.4-mini 到 Claude Opus 5.5 的盲点门控研究
- 10月15日 12:00 · 1 篇报道提出对手建模诊断基准并测试Qwen2.5与GPT-5.4arXiv：cs.AI：超越成功博弈：诊断大语言模型的对手建模能力
报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.LG多智能体团队中准确率无法认证心智理论：GPT-5.4-mini 到 Claude Opus 5.5 的盲点门控研究
研究者指出以推断准确率认证多智能体协调模块是错误的，因为所需准确率取决于错误动作的代价，且模块间错误存在相关性。
- arXiv：cs.AI超越成功博弈：诊断大语言模型的对手建模能力
研究团队提出一套重复捉迷藏基准与诊断框架，用具有显式递归信念更新的算法对手来区分自适应博弈、动作预测与信念追踪。在 Qwen2.5-7B-Instruct 上，告知对手类型和参数设置能提升预测准确率，但仅靠历史推断对手时表现下降；GPT-5.4 同样受益于正确的对手信念，而更深入的显式信念报告与自生成记忆未能稳定提升预测能力。