基础模型: Qwen/Qwen2.5-32B-Instruct 支持语言:

• 中文
• 英语
• 法语
• 西班牙语
• 葡萄牙语
• 德语
• 意大利语
• 俄语
• 日语
• 韩语
• 越南语
• 泰语
• 阿拉伯语 库名称: transformers 许可证: apache-2.0 标签:
• 多智能体系统
• 多智能体协作
• 推理
• 数学
• 编程 管道标签: 文本生成 模型索引:
• 名称: m1-32b 结果: []

两个头脑胜过一个：多智能体协作推理的测试时扩展

M1-32B是基于Qwen2.5-32B-Instruct微调的320亿参数大语言模型，训练数据为M500数据集——一个跨学科多智能体协作推理数据集。该模型专为提升多智能体系统(MAS)中的推理、讨论和决策能力而优化，兼容AgentVerse等框架。

代码库: https://github.com/jincan333/MAS-TTS

🚀 核心特性

• 🧠 增强型协作推理
  基于真实多智能体交互轨迹训练，涵盖专家招募官、问题解决者、评估者等多元角色。

• 🗣️ 角色感知对话生成
  通过结构化提示学习从不同专家视角进行推理和回应。

• ⚙️ 多智能体系统优化
  具备自适应协作和token预算管理能力，是优秀的MAS智能体。

🏗️ 模型训练

• 基础模型: Qwen2.5-32B-Instruct
• 数据集: M500（500条精选多智能体推理轨迹）
• 目标: 基于角色条件提示的监督微调(SFT)
• 训练配置:
  • 8张A100 GPU
  • 5个训练周期
  • 学习率: 1e-5
  • 框架: DeepSpeed, FlashAttention, LLaMA-Factory

📊 性能表现

表格说明:
在AgentVerse框架下与强推理/非推理模型的通用理解、数学推理及编程任务对比。本方法在所有任务上较Qwen2.5和s1.1-32B均有显著提升，在MATH-500和MBPP-S任务上达到与o3-mini和DeepSeek-R1相当的水平，证明了其在增强MAS协作推理方面的有效性。注：s1.1-32B结果未使用预算强制机制。

💬 使用场景

M1-32B适用于多智能体推理与协作的研究领域

引用

若使用本模型，请引用相关论文：

@article{jin2025two,
  title={两个头脑胜过一个：多智能体协作推理的测试时扩展},
  author={靳灿 and 彭鸿武 and 张启新 and 唐玉金 and Dimitris N Metaxas and 车通},
  journal={arXiv预印本 arXiv:2504.09772},
  year={2025}
}