佐治亚理工与 MIT 提出 MASCOT：两阶段训练缓解多智能体角色坍塌
MASCOT 用两阶段训练把多智能体群聊拆成「演好自己」和「安排谁说话」两件事，让不同 AI 角色在长对话里持续提供互补视角而非重复附和。
多个 AI 一起陪你聊天时，角色越多，视角却未必越丰富——它们常常慢慢退化成同一句话的不同版本，论文称之为「角色坍塌」。佐治亚理工与 MIT 团队提出 MASCOT：先为每个角色（倾听者、鼓励者、分析者）单独训练符合人设的回应，再训练一个「主持人」决定谁在什么时候发言、用什么策略，让前一个人的支持成为后一个人的起点。
正文摘录
.jpg)   - 论文：MASCOT: Multi-Agent Socio-Collaborative Companion Systems - 作者：Yiyang Wang, Yiqiao Jin, Alex Cabral, Josiah Hester - arXiv：https://arxiv.org/abs/2601.14230 - 网站：https://hello-diana.github.io/MASCOT/ - 代码：https://github.com/hello-diana/MASCOT 想象一下，你向几个 AI 倾诉最近的压力。 第一个说：「我理解你的感受。」 第二个接着说：「有这样的情绪很正常。」 第三个补上一句：「你并不孤单。