学习引导 LLM 智能体与多智能体系统

论文关注 LLM 智能体与多智能体系统在长时程工具调用和协作中偏离总体目标的问题，即目标漂移。作者提出一个引导智能体，在执行过程中实时监督，观察执行上下文，用低成本快路径判断何时干预、用高成本慢路径决定如何干预。为获得评估目标漂移与生成有效干预的能力，作者用强化学习联合训练两条路径，结合成对排序目标与组相对策略优化（GRPO）。在信息检索类搜索任务上的实验表明，该引导智能体对单智能体和多智能体系统均能提供有效监督。

AI推荐理由 针对 LLM 智能体与多智能体系统长时程执行中的目标漂移问题，提出一个监督执行过程的引导智能体，观察执行上下文，用低成本快路径决定何时干预、用高成本慢路径决定如何干预，并用强化学习联合训练两条路径，结合成对排序目标与 GRPO。在信息检索类搜索任务上验证，摘要称引导智能体对两类系统均提供有效监督。