大模型如何泛化出多智能体推理能力？清华提出策略游戏自博弈方案MARSHAL

清华大学团队提出MARSHAL框架，通过策略游戏中的多智能体自博弈强化学习，显著提升大模型在博弈与通用推理任务中的表现。实验显示，其在测试游戏中胜率最高提升28.7%，并在AIME和GPQA等基准上分别实现10.0%和7.6%的准确率增长，平均提升3.5%。研究还发现，该方法有效增强角色意识与意图识别，降低智能体误协同11.5%，验证了自博弈对多智能体推理能力的泛化价值。
来源：https://mp.weixin.qq.com/s/il2ZG6tCSfDyGZkgDkZMLg