论文页面 - 超越个体智能：在基于LLM的多智能体系统中探索协作、失败归因与自我演化

来源：https://huggingface.co/papers/2605.14892 发布于5月14日

·

由https://huggingface.co/JamesMile JieMa (https://huggingface.co/JamesMile) 于5月15日提交

作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

多智能体系统在持续协调和错误传播方面面临挑战，需要采用集成方法，使其能够在结构化协作阶段进行持续诊断、重组和行为优化。

基于LLM的自主智能体在推理、规划和工具使用方面展现出强大能力，但当任务需要在角色、工具和环境之间进行持续协调时，其能力仍然有限。多智能体系统通过专业智能体之间的结构化协作来解决这一问题，但更紧密的协调也放大了一个尚未充分探索的风险：错误可以在智能体之间以及交互轮次中传播，产生难以诊断的失败，且这些失败很少能转化为结构化的自我改进。现有综述分别涵盖了个体智能体能力、多智能体协作或智能体自我演化，而未能考察它们之间的因果依赖关系。本综述提供了一个统一的回顾，围绕四个因果关联的阶段展开，我们将其称为LIFE进程：奠定能力基础（Lay the capability foundation）、通过协作整合智能体（Integrate agents through collaboration）、通过归因发现故障（Find faults through attribution）、通过自主自我改进进行演化（Evolve through autonomous self-improvement）。针对每个阶段，我们提供了系统的分类，并形式化地描述了相邻阶段之间的依赖关系，揭示每个阶段如何既依赖于又约束着下一阶段。除了综合现有工作之外，我们还在阶段边界处识别出开放挑战，并提出了一个跨阶段的研究议程，旨在构建能够持续诊断失败、重组结构并优化智能体行为的闭环多智能体系统，将当前的协调框架扩展到更具自我组织形态的集体智能。通过桥接这些先前分散的研究线索，本综述旨在提供一个系统性参考以及一条通往自主、自我改进的多智能体智能的概念路线图。

查看arXiv页面 查看PDF GitHub4 (https://github.com/mira-ai-lab/awesome-mas-life) 添加到收藏

引用此论文的模型0

没有链接此论文的模型

请在模型 README.md 中引用 arxiv.org/abs/2605.14892，以在此页面建立链接。

引用此论文的数据集0

没有链接此论文的数据集

请在数据 README.md 中引用 arxiv.org/abs/2605.14892，以在此页面建立链接。

引用此论文的Space（空间）0

没有链接此论文的Space

请在Space README.md 中引用 arxiv.org/abs/2605.14892，以在此页面建立链接。

包含此论文的收藏0

没有包含此论文的收藏

请将这篇论文添加到收藏中，以在此页面建立链接。