2025-11-05-insights

Unlocking the Power of Multi-Agent LLM for Reasoning: From Lazy Agents to Deliberation

这篇工作挺有趣的：作者发现multiagent，尤其是rl训练的multiagent，会出现严重的不对等问题，所有agent都退化了，最后只有一个agent在说话，别人围观。作者设计了一些方案来缓解这个问题

agent领域的MoE rebalance loss...