上海人工智能实验室、悉尼大学和牛津大学联合研究团队提出了ReSo框架，一种基于奖励驱动和自组织机制的多智能体系统，用于复杂推理任务。该框架通过生成任务图并匹配最佳智能体，提升了多智能体协作效率和推理能力，解决了传统多智能体系统中的扩展性、能力评估和优化机制粗糙等问题。
ReSo框架通过引入协同奖励模型（CRM），实现了数据驱动的智能体动态优化与协作演化，相较于现有方法，在可扩展性和优化能力上更具优势，并在多项复杂推理任务中表现出色。
上海人工智能实验室、悉尼大学和牛津大学联合研究团队提出了ReSo框架，一种基于奖励驱动和自组织机制的多智能体系统，用于复杂推理任务。该框架通过生成任务图并匹配最佳智能体，提升了多智能体协作效率和推理能力，解决了传统多智能体系统中的扩展性、能力评估和优化机制粗糙等问题。
ReSo框架通过引入协同奖励模型（CRM），实现了数据驱动的智能体动态优化与协作演化，相较于现有方法，在可扩展性和优化能力上更具优势，并在多项复杂推理任务中表现出色。
