LLM强化学习新框架！UCSD多智能体训练框架让LLM工具调用能力暴增5.8倍

近期，UCSD 与英特尔团队提出 PettingLLMs，一种通用化的多智能体强化学习训练框架，旨在让多个大型语言模型（LLM）以任意组合方式进行联合训练，提升协作与工具调用能力。

框架与算法

PettingLLMs 采用 Group Relative Policy Optimization（GRPO）等方法，通过分组相对策略优化实现模型间协同学习，支持异构模型共同训练与信息共享，从而增强模型在工具调用与任务分工上的表现。

性能提升

在多项基准和任务上，作者报告该方法能显著提升模型对外部工具的调用效率与准确性，部分场景下工具调用能力提升幅度可达 5.8 倍，体现出在复杂协作任务中的优势。

应用与意义

该方法为训练具备复杂推理、分工协作和工具调用能力的 AI 智能体提供新路径，适用于需要多模态、多工具联合的现实场景，有望推动多智能体系统在工业与科研中的落地。

未来方向

后续工作可关注方法在更大规模异构模型组合下的稳定性、样本效率、以及对安全与可解释性的保障，同时探索与现实系统集成的工程化挑战与优化策略。

如有侵权，请联系删除。