EvoTeam 提出以团队为单位演化的多智能体协作框架
论文AI 评分 66/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
arXiv 收录的论文 EvoTeam 提出一种以协作为中心的多智能体演化框架。现有方法多通过任务反馈优化单个智能体的提示、技能与执行策略，但单个智能体变强未必带来团队协作改善；也有研究把演化扩展到协作层面，用集体执行经验调整团队组织与智能体间交互，然而跨异构任务时，这些做法往往把团队重组限制在共享结构内，并在不兼容的团队情境中复用交互规则。EvoTeam 同时演化团队组织、交互规则与个体技能，维护可复用团队库，按任务选择或新建团队，并以团队专属交互规则引导协作；协作经验在兼容的团队情境中积累，个体技能可跨团队复用。作者在四个基准上做了实验，代码已公开。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载单智能体优化的局限
论文指出，基于大模型的多智能体系统依靠多个专门化智能体协作完成复杂任务。已有改进路径大多落在个体层面：依据任务反馈调整某个智能体的提示、技能或执行策略。作者认为，个体变强并不必然带来团队协作变好，问题因此被推到协作层面——用集体执行经验去调整团队如何组织、智能体之间如何交互。
跨任务演化的两个障碍
把演化扩展到协作层面后，跨异构任务仍是难点。材料给出两点原因：现有做法常把团队重组约束在共享结构之内，团队形态难以随任务真正变化；交互规则又常被复用到并不兼容的团队情境中。这两点使协作经验难以在合适的语境里沉淀，也难以迁移到差异较大的任务上。
EvoTeam 的做法
EvoTeam 把团队组织、交互规则与个体技能放在同一演化过程中联合调整。它维护一个可复用团队库，面对任务时从中选择团队或新建团队，再由该团队专属的交互规则引导协作。这样，协作经验累积在相互兼容的团队情境中，而个体技能保持跨团队可复用，避免了两类信息互相干扰。作者在四个基准上验证了效果，并公开了代码。
为什么值得看
多智能体系统的瓶颈正从单智能体能力转向团队组织方式，该工作给出了可复用团队库与团队专属规则的具体做法。
智能体论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。