我要投稿

OpenAI：Multi-Agent博弈，大模型可读性更高！

发布日期：2024-07-18 17:04:11 浏览次数： 2669

OpenAI发布了其关于提升大模型可读性的最新研究成果：用大型模型作为”证明者（Prover）“来编写解决方案，用小型模型作为”验证者（Verifier）“来检查它们，最终大模型输出可读性更高。

使用多智能体（multi-agent）博弈训练，其中一个诚实的证明者和一个狡猾的证明者编写解决方案，由一个小型模型进行检查。诚实的证明者希望说服小模型接受正确的解决方案，而狡猾的证明者则试图用有缺陷的解决方案欺骗它。

训练设置

为了激励强模型（证明者）生成人类可读的文本，使用了一种训练方案，要求强模型生成解决方案，而弱得多的模型（验证者）可以轻松验证。具体来说，使用GPT-4系列中的大型和小型模型，它们的预训练计算量相差约3个数量级，这些模型对人类编写的数学推导进行了少量监督训练。

首先，从证明模型中生成多个数学问题的解决方案，其中一些解决方案由于证明模型中自然发生的错误而不正确。然后在两个阶段之间交替进行多轮交替：

验证者训练。训练弱验证者模型来预测证明者生成的解决方案的正确性。
证明者训练，指导强证明者模型扮演“诚实”或“狡猾”的角色。

在诚实角色中，会根据验证者的观点奖励得分高的正确解决方案。
在狡猾的角色中，反而会奖励根据验证者得分高的错误解决方案。

最初，狡猾的证明者很容易就能给出让验证者信服的不正确解决方案。但是，由于将这些不正确的解决方案添加到验证者训练的下一阶段，因此相同的漏洞在下一轮中不再具有说服力，并且证明者被迫在每一轮中探索不同的策略。一旦狡猾的证明者无法再给出让验证者信服的不正确解决方案，训练就会结束。

仅针对正确性优化的模型具有高准确性但可读性差，而仅经过监督微调的模型具有高可读性但准确性差。证明者-验证者游戏方法平衡了两者，实现了高可读性与适度准确性。

训练效果

虽然训练损失在概念上不是很清晰，但效果很好。在训练的早期和晚期检查诚实证明者的解决方案；它们变得更加详细，推理也更加仔细：

将其与训练初期和后期狡猾证明者的解决方案进行比较；缺陷变得更加微妙：

令人惊讶的是，这种易读性是可以转移的：经过更多轮训练，人类在检查解决方案时会变得更快、更准确。（这些都是相当简单的小学数学问题，因此人类的时间限制为 45 秒。）

相比之下，常规的正确性强化学习会使解决方案变得不那么清晰：人类在检查解决方案时会变得更慢，准确性更低：

https://openai.com/index/prover-verifier-games-improve-legibility/https://cdn.openai.com/prover-verifier-games-improve-legibility-of-llm-outputs/legibility.pdf

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-03-27

林俊旸离职后首次发声！复盘千问的弯路，指出AI的新路

2026-03-26

GitHub 悄悄改了规则，你的代码可能正在被拿去训练 AI

2026-03-26

Harness is the New Dataset：模型智能提升的下一个关键方向

2026-03-26

Google 亲手证明：GUI 已死，但尸体还在动

2026-03-26

Claude Code 太烧钱了？我用这 5 招，把 token 成本砍了一半！

2026-03-26

治愈 Cursor AI 编程的 “幻觉”？用它就够了！

2026-03-26

Anthropic官方复盘Claude Code：智能体系统设计的四个核心

2026-03-26

Claude Code auto mode 解析：如何用 AI 分类器替代人工审批

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

Pencil：设计和写代码，以后就全让AI干了

2026-01-24

独家实录｜唐杰、杨植麟、林俊旸、姚顺雨...All Star 对话上，大家聊了啥？

2026-01-10

2026 开年 AI 工具推荐，让你新的一年效率起飞！（建议收藏）

2026-01-01

从0到1玩转Clawdbot：我花了40小时，把这些坑都踩完了

2026-01-26

终于！Gemini CLI支持Agent Skills，一键搬运Claude Code的“绝招”

2026-01-09

Claude Code Skills 国内实践全指南：从安装部署到高阶开发

2026-01-09

深度解析——为什么Claude code CEO Dario 如此反中？

2026-01-23

谷歌没想到：Antigravity 竟成了 Claude Code 的“免费充电宝”？

2025-12-30

不会封号的Claude Code使用方法！已稳定测试一个月，还能共享给团队。

2026-01-14

我装了 9 个 Skill，终于看懂了 Google Antigravity 的野心

2026-01-21

大家都在问

OpenAI不会干黄了吧？

2026-03-22

专访OpenAI首席科学家：我们离“AI自己做研究”有多远？

2026-03-22

编程选GPT-5.4，还是GPT-5.3-Codex？

2026-03-21

真实测评MiniMax M2.7，不吹不夸，它到底什么水平？

2026-03-20

深度分析：Agent Harness/框架到底有没有竞争壁垒？

2026-03-19

咨询 | OpenAI、Anthropic纷纷和咨询公司合作的背后，折射除了行业落地AI什么样的趋势？

2026-03-19

大伙都在养虾，MiniMax 带着新模型来偷偷上分了？

2026-03-19

Harness Engineering 为什么是 Agent 时代的“控制论”？

2026-03-18

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean Openclaw