多代理教學系統

深度分析

角色限制多代理教學系統中的投票協議與協調行為分析

本研究以角色限制的多代理教學系統為平台，探討簡易、排序、累積與核准四種投票協議在部分教學目標衝突下如何塑造代理間協調。實驗於SciQ與HumanEval兩個模擬環境進行，發現投票規則改變最終回應選擇，呈現不同協調行為與學習成效提升，暗示未來AI教學將更倚賴多代理協調與透明決策，影響開發者生態與商業布局。