TeamGym: A Gym for Team Decision-Making by AI Agents with Distributed Information
TeamGym：分布式信息下 AI 智能体团队决策的训练与评估环境
🧭 多智能体分布式信息决策与协同训练 ★ 深度解读
MIT · KAIST · UT Austin · University of Maryland
构建可控团队决策环境，量化并训练多智能体在分布式关键信息下的沟通与检索能力
📌 工作参考价值（4 点）
- 在电商/客服/搜索多 Agent 编排中，先拆出任务的最小关键事实集合（类似 PIU），分别测量「沟通 gap」和「检索 gap」，定位问题是信息没检索出来还是没在 Agent 间传好，而不是只看单智能体能力
- 协调器/主 Agent 的 query 设计要宽而明确：论文显示窄 query 会让持有关键信息的 Agent 只回答部分证据；给每个专家 Agent 加 public 的职责标签，并要求「报告所有相关证据类别」，可明显减少 gap
- 消息 token 预算影响很大：从 32 提到 128 tokens 成功率 55.3%→78.6%，但再提不涨；在线上多做消息长度 trade-off，给关键 Agent 设消息长度下限
- 用最终决策 reward 做 GRPO 联合训练通信策略，即使不直接奖励协调行为，也能自动涌现轮询所有专家、短 query 等协议；可迁移到多 Agent 推荐/问答工作流优化，但注意 held-out 域迁移可能只转移行为不转移最终质量