学习中断基于语言的多主体通信

当同事开始解释你已经理解的事情时，你会打断他们。这种简单的行为，即听者控制对话，在人类交流中很自然，但在当前冗长的 LLM 多代理系统中不存在。当前的方法仅从说话者一侧解决通信效率问题，在发送消息之前对其进行压缩。我们翻转视角：我们不是让演讲者变得更加简洁，而是让听众自己决定何时听够了。我们提出了一种新的通信范式，其中听者可以打断说话者的中期发言。我们发现，鉴于这种能力，LLM 会过于自信，并且在收到足够信息之前就过早打断。这一发现激发了 HANDRAISER 的发展，这是一种学习方法，可以根据估计的未来奖励和沟通成本来预测中断的正确时机。我们在三个多智能体任务上评估我们的框架：2-智能体文本图解、3-智能体会议安排和 3-智能体辩论。与不可中断基线相比，HANDRAISER 将通信成本降低了 32.2%，同时实现了可比较或卓越的任务性能，并且中断行为可在不同代理和任务中通用。