TeamLLM: 面向多步骤情境任务的人类似团队协作框架
计算与语言
2026-04-09 v1 人工智能
摘要
最近提出了多大型语言模型(LLM)框架以解决情境化任务。然而，这些框架未明确模拟人类团队角色划分，可能导致单一视角，从而削弱在多步骤情境化任务上的性能。为此，我们提出TeamLLM，一种人类似的团队导向的多LLM协作框架。TeamLLM采用四个团队角色并实施三阶段多LLM协作，以解决多步骤情境化任务。为评估TeamLLM在多步骤情境化任务上的效果，我们提出情境 grounding and procedurally-structured 任务(CGPST)并构建了CGPST基准。该基准具有四个核心特征:情境 grounding、程序结构、过程导向评估和多维评估。我们在CGPST上评估了十个流行LLM，分别在整体层面、步骤层面和维度层面。结果表明，TeamLLM在CGPST上显著提高了性能。我们发布了包含场景、完整过程响应和十个LLM的人类评分的基准。代码和数据可在 https://anonymous.4open.science/r/TeamLLM-anonymous-C50E/ 获取。
引用
@article{arxiv.2604.06765,
title = {TeamLLM: A Human-Like Team-Oriented Collaboration Framework for Multi-Step Contextualized Tasks},
author = {Xiangyu Wang and Jin Wu and Haoran Shi and Wei Xia and Jiarui Yu and Chanjin Zheng},
journal= {arXiv preprint arXiv:2604.06765},
year = {2026}
}