09:19
官方账号arXiv cs.LG@Sudipto Ghosh, Tanmoy Chakraborty
推荐理由：GRADE用17B参数在MMLUPro上以一半计算量超基线4.8分，靠四个门控路由动态调深度，很实用。
CoGRPO
共 1 条相关 AI 资讯
7月14日
09:19
GRADE是一种分层多智能体系统，通过四个轻量级门控网络联合控制智能体选择、层次深度、智能体间通信和分支修剪。训练采用CoGRPO（协作组相对策略优化），无需批评网络，为参与rollout的每个门控和智能体分配共享优势信号。在平均约17B活跃参数下，GRADE在GSM8K、MMLUPro和GPQA上超越所有基线，其中在MMLUPro上以一半活跃计算量高出最强基线4.8个百分点。在AIME-2025上，GRADE与现有框架竞争力持平。消融实验表明层次结构和掩码交叉注意力是精度最大贡献者，且每个智能体的校准对安全热替换必要。