🔥 今日值得一读
同一协议让准确率从0.633飙到0.775，却把另一个任务从0.889砸到0.653！
Bayes-Sufficient Compression Is Not Enough: How Does Communication Help Multi-Agent Systems?
👨💼 主理人解读 · 为什么值得关注
帮助设计多Agent通信协议：判断何时该传摘要、何时传原文，避免压缩导致执行器决策失误。
📖 AI 总结
该研究探讨多智能体大语言模型系统中，发送方拥有广泛上下文、执行方仅有有限局部视野时，简短消息何时能改善执行方的下一步决策，何时原始上下文更优，以及更强的发送方何时真正有帮助。作者提出“接收方相对有界协调”框架，将消息效用表达为接收方收益减去协议税，指出压缩只有在节省的协议税超过信息遗漏与解码器不匹配带来的损失时才优于原始上下文；即便是贝叶斯充分压缩，也可能因有界执行方无法利用其表面形式而失效。研究通过三阶段分解区分外化、吸收与动作闭合，解释内容正确送达后错误仍然存在的原因，并给出接收方负担阈值下发送方升级有效的单交叉条件。在六个基准上，同一Qwen协议将ContextBench联合准确率从0.633提升至0.775，却将ToolSandbox从0.889降至0.653；固定消息重放显示，即使工件恢复正确，闭合失败依然存在。这些发现为推理时选择器提供了依据，可在所评估的通信场景中改善准确率与成本的权衡。
🔑 关键词速览
| 接收者相对有界协调 | 一种框架，将消息效用建模为接收者增益减去协议税，强调通信效果取决于接收者的有界能力。 |
| 贝叶斯充分压缩 | 一种压缩方式，理论上保留所有决策相关信息，但可能因接收者无法理解其表面形式而失效。 |
| 协议税 | 通信协议带来的额外成本，包括编码、解码和协调开销，会抵消消息带来的增益。 |
| 动作闭合 | 三阶段分解的最终阶段，指接收者将吸收的信息转化为正确行动的能力，失败则导致错误持续。 |
| 单交叉条件 | 一种数学条件，用于确定发送者升级在接收者负担超过阈值时才能带来收益。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅