**CoSIR：通过可验证信息奖励提升大模型多智能体协作**

_Training LLMs for Multi-Agent Collaboration with Verifiable Information Rewards_

> 研究提出 CoSIR 框架，通过引入基于“信息惊喜度（Surprisal）”的奖励机制，训练大语言模型在多智能体系统中共享证据、请求缺失信息并整合队友贡献。该方法通过自我博弈训练，显著提升模型在复杂协作任务中的表现。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.17893)