论文用声明级指标揭示多智能体交互的信息流机制
资讯摘要
论文将多智能体LLM交互视为声明级信息动态，提出RIVER框架，把智能体输出拆解为原子声明，从收敛、探索、保留三个维度评估。作者在40个受控新闻生成案例上比较五种交互策略，发现反复汇总式交互提升收敛但收窄信息空间，分布式接力则信息更广但共享更少；方法特定约束会提高探索而削弱收敛与保留。
要点速读
- 论文提出RIVER，将智能体输出分解为原子声明，评估收敛、探索、保留三个维度
- 在40个受控新闻生成案例上比较五种交互策略：反复汇总提升收敛但收窄信息空间，分布式接力信息更广但共享更少
- 作者报告方法特定约束会提高探索，同时削弱收敛与保留
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。