Co-RL trainiert Reasoning-Modelle mit Belohnungen aus Peer-Modellen

Forschende haben Co-RL vorgestellt, ein Framework zur Verbesserung des Reasonings in Sprach- und Vision-Language-Modellen durch kooperatives Multi-Agenten-Reinforcement-Learning. Die Methode trainiert mehrere entkoppelte Modelle ohne gemeinsam genutzte Parameter und nutzt Belohnungen, die von Peer-Modellen statt aus Ground-Truth-Annotationen abgeleitet werden. Die Autorinnen und Autoren argumentieren, dass vielfältigere Kohorten, darunter unterschiedliche Modellfamilien, Größen und umformulierte Samples, korrelierte Fehler reduzieren, die selbstverstärkende Feedback-Schleifen auslösen können.