CoFi-PGMA: Counterfactual Policy Gradients under Filtered Feedback for Multi-Agent LLMs

CoFi-PGMA est un nouveau cadre pour optimiser l'apprentissage dans les systèmes LLM multi-agents, traitant le feedback filtré dans les scénarios de routage et de collaboration. Il propose un objectif d'entraînement contrefactuel par agent basé sur la contribution marginale pour corriger le signal d'apprentissage.