知识卡片：TeamGym——面向分布式信息下AI智能体团队决策的训练与评测环境

一句话结论

TeamGym 是一个基于真实法律、金融、医疗、软件工程语料构建的团队决策评测与训练环境，它提出“关键信息”（pivotal information）的识别方法，据此量化并缓解语言模型智能体在信息分散时的“沟通缺口”与“检索缺口”，并显示仅以最终决策为奖励的强化学习能改善决策质量并诱发协作行为。

事件概述或研究问题

现实中的许多决策需要团队整合分散在各成员手中的信息，但当前 AI 智能体主要在孤立环境下接受训练和评测。论文要回答的问题是：当正确决策所必需的信息被拆分到多个参与者手中时，基于语言模型的智能体能否有效共享、检索并整合这些信息？能否通过训练改善这一能力？

方法/产品要点

• 环境构建：TeamGym 从真实的法律、金融、医疗和软件工程语料构建团队决策问题。
• 关键信息（pivotal information） ：提出一种识别“最小事实集合”的方法——集合中每个元素对正确决策都是必要的，而全体合起来是充分的。借此可控制关键信息在参与者之间的分布方式，并追踪智能体识别与整合关键信息的表现。
• 评测规模：在 12 个来源语料上考察 8 个语言模型。
• 训练方式：使用 TeamGym 通过强化学习在“团队决策损失”上训练策略，奖励只评估最终决策。

主要结果或产业意义

• 沟通缺口：相对于把同样的关键信息交给单个模型，将关键信息分散到多个参与者会使成功率平均下降 22.9 个百分点。
• 检索缺口：当参与者必须自己从原始材料中识别并抽取关键信息、而非直接获得时，团队成功率进一步下降 19.9 个百分点。
• 训练效果：在两个策略训练实验中，训练提升了最终决策质量，并在参与度、发言者选择和沟通上诱发了涌现式协调——尽管奖励只评价最终决策。

为什么重要

• 把“团队信息分散”从抽象设定变成可度量、可控制、可训练的变量，为多智能体协作研究提供了带真实语料背景的基准。
• 沟通缺口与检索缺口的量化，把“智能体不会协作”拆解为“不会共享”和“不会自己找”两类可分别改进的能力短板。
• “仅奖励最终决策即可诱发协调行为”这一发现，对多智能体强化学习的奖励设计有直接参考价值。

与既有脉络的关系

已有卡片《延迟信息共享下的去中心化部分可观测团队决策方法》从理论侧研究部分可观测、延迟公共信息共享下的去中心化团队最优策略逼近，并给出有限样本保证；TeamGym 则从评测与训练侧提供真实语料上的团队决策环境，并把信息分散程度作为可控制变量加以量化。前者偏理论保证，后者偏基准与实证，二者可互补阅读。本条不重复该卡片的具体结论。

局限与不确定性

• 材料仅提供摘要级信息，具体“关键信息”识别算法的细节、12 个语料的构成与规模、8 个模型的名单、强化学习实验的设置与超参数均待核实。
• 沟通缺口与检索缺口的具体数值为平均值，不同模型、不同语料上的差异与方差待核实。
• 训练实验仅提及“两个策略训练实验”，其规模、是否与其他训练方法对比、以及协调行为的评价方式待核实。
• 论文发布时间为 2026-10-27（arXiv 元数据），引用时以原始链接为准。

可用于图书/PPT/简报的角度

• “1+1<2”的量化证据：用 22.9 与 19.9 两个百分点数字，说明信息分散本身就会显著拉低智能体团队表现，可作多智能体协作章节的开篇数据点。
• 两类缺口的拆解框架：沟通缺口 vs 检索缺口，可作为分析智能体协作失败原因的分类框架。
• 奖励设计的反直觉发现：只奖励最终决策也能诱发发言者选择与沟通协调，适合放在“奖励工程”或“涌现行为”主题下讨论。
• 真实语料驱动的基准：法律/金融/医疗/软件工程四类语料的组合，可作为“评测贴近真实决策场景”的案例。

原始材料

• 标题：TeamGym: A Gym for Team Decision-Making by AI Agents with Distributed Information
• 作者：Chanwoo Park, Jaywoong Jeong, Zachary Wojtowicz, Yubin Kim, Taekyun Lee, Kaiqing Zhang, Asuman Ozdaglar
• arXiv ID：2610.37571v1（Primary category: cs.AI）
• 发布/更新：2026-10-27T17:15:54Z
• Abstract URL: https://arxiv.org/abs/2610.37571v1
• PDF URL: https://arxiv.org/pdf/2610.37571v1
• 关键词：team decision-making；pivotal information；communication gap；retrieval gap；reinforcement learning；multi-agent coordination；language model agents