**MARGIN：多智能体基础模型协调的运行时置信度校准方法**

_MARGIN: Runtime Confidence Calibration for Multi-Agent Foundation Model Coordination_

> 针对异构基础模型在协调过程中自报置信度不一致的问题，论文提出MARGIN方法。该方法无需重新训练或保留校准集，通过跟踪近期准确率与置信度比率，在运行时动态修正模型特定置信度。实验表明，MARGIN在代码生成和问答任务中显著降低了分布偏移后的校准误差，并将答案选择准确率提升最高14个百分点，有效提升了多智能体系统的决策质量。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-09 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.22949)