SwarmWorld：AI智能体群体跨代际发展出持久的“技术文化”与专业化角色

# SwarmWorld：语言模型智能体社会中的Stigmergic技术演进  
来源：https://arxiv.org/html/2608.26081  
https://orcid.org/0000-0002-0532-9791Subhadeep Pal  
所属机构：原子与分子力学实验室 \(LAMM\)  
所属机构：土木与环境工程系  
https://orcid.org/0000-0002-4847-6986Fiona Y\. Wang  
所属机构：原子与分子力学实验室 \(LAMM\)  
所属机构：生物工程系  
https://orcid.org/0000-0002-4173-9659Markus J\. Buehler  
所属机构：原子与分子力学实验室 \(LAMM\)  
所属机构：土木与环境工程系  
所属机构：机械工程系  
所属机构：计算科学与工程中心  
施瓦茨曼计算学院，  
麻省理工学院，美国马萨诸塞州剑桥市02139\#通讯作者：mbuehler@mit\.edu  

###### 摘要  
当个体通过共享环境协调时，集体智能得以涌现，使局部行动能够累积为持久的社会组织。语言模型智能体为这一过程提供了新的基底，但大多数多智能体系统仍依赖于直接对话、预定义角色或集中式工作流。目前尚不清楚去中心化的智能体能否构建有效的技术并超越独立搜索。本文提出的SwarmWorld系统中，最初同质的LLM智能体在无需指派角色或配方的情况下，自组织形成不断演进的技术社会。智能体探索空间环境、处理资源、测试材料、构建持久性制品，并编写可执行的控制器，这些控制器在智能体移除后由确定性模拟器在未见过的扰动条件下进行评估。SwarmWorld实现了认知与后果的分离：智能体在固定的行动与材料框架内提出架构和控制器，而模拟世界决定其功能。共享社会比基于强最优独立搜索的NN基线发展出更广泛、更具韧性的技术组合，尽管独立搜索在最强制品方面仍具竞争力。智能体分化为探索、构建、维护和协调行为，并随着世界成熟而发生转变。技术通过协作构建、可执行继承和持久的智能体-制品网络得以积累，大多数重用始于物理观察而非交流。显式文化机制放大协作和组织，但功能效益取决于结果和时间尺度。仅靠物理stigmergy即可支撑功能完备的社会，而交互则驱动持久的技术生态，而非普遍优越的个体发明。  
*关键词* 语言模型智能体⋅\\cdot多智能体系统⋅\\cdotstigmergy⋅\\cdot累积文化⋅\\cdot科学发现⋅\\cdot仿生材料  

## 1引言  
集体行为使群体能够实现个体无法单独完成的目标，从蚂蚁觅食、蜜蜂巢址选择到鱼群的共识引导决策9 (https://arxiv.org/html/2608.26081#bib.bib10),52 (https://arxiv.org/html/2608.26081#bib.bib11),26 (https://arxiv.org/html/2608.26081#bib.bib12),49 (https://arxiv.org/html/2608.26081#bib.bib13),61 (https://arxiv.org/html/2608.26081#bib.bib16)。这种组织无需中央协调者：局部反馈可增强有用行为，任务分配可适应变化需求，持久的环境修改可通过stigmergy27 (https://arxiv.org/html/2608.26081#bib.bib7),54 (https://arxiv.org/html/2608.26081#bib.bib14),25 (https://arxiv.org/html/2608.26081#bib.bib15)协调后续活动。这些机制不仅是同时行动的聚合：它们允许一个个体的活动改变其他个体可用的信息和机会。因此，它们引出了人工集合体的核心问题：去中心化的智能体能否通过构建未来行动的共享累积基底，而不仅仅进行并行搜索？  

两个计算脉络为此问题提供了框架。群体智能方法将去中心化交互转化为搜索与控制：蚁群优化强化有用路径，粒子群优化共享个体与群体经验，人工蜂群方法平衡探索与利用16 (https://arxiv.org/html/2608.26081#bib.bib17),36 (https://arxiv.org/html/2608.26081#bib.bib18),35 (https://arxiv.org/html/2608.26081#bib.bib19)。同样的原理延伸至群体机器人和材料搜索，包括CALYPSO中的粒子群晶体结构预测10 (https://arxiv.org/html/2608.26081#bib.bib20),60 (https://arxiv.org/html/2608.26081#bib.bib21)。另一个平行脉络将演进世界本身作为计算对象。控制论和系统动力学强调有状态系统中的反馈62 (https://arxiv.org/html/2608.26081#bib.bib36),18 (https://arxiv.org/html/2608.26081#bib.bib37)，而元胞自动机展示了重复局部规则如何生成持久的全局结构55 (https://arxiv.org/html/2608.26081#bib.bib38),19 (https://arxiv.org/html/2608.26081#bib.bib39)。诸如Hamurabi和SimCity等交互式模拟将干预演进系统作为实验对象，而Boids和Sugarscape则用自主智能体填充模拟环境，其局部行为产生集体组织1 (https://arxiv.org/html/2608.26081#bib.bib40),63 (https://arxiv.org/html/2608.26081#bib.bib1),46 (https://arxiv.org/html/2608.26081#bib.bib41),17 (https://arxiv.org/html/2608.26081#bib.bib9)。近期元胞动力学的transformer模型进一步将序列学习建模与此局部规则传统相连接6 (https://arxiv.org/html/2608.26081#bib.bib46),7 (https://arxiv.org/html/2608.26081#bib.bib47)。  

这些脉络提供了互补要素——一方面是分布式协调，另一方面是持久且具后果的世界——但通常保留固定表示、手工设计的策略或预定义目标。LLM引导的机器人群通过允许智能体在集体任务中推理和交流，开始放宽这些限制51 (https://arxiv.org/html/2608.26081#bib.bib22),33 (https://arxiv.org/html/2608.26081#bib.bib23),32 (https://arxiv.org/html/2608.26081#bib.bib24)。多智能体强化学习使某些形式的协调、竞争和工具使用变得可学习而非预设40 (https://arxiv.org/html/2608.26081#bib.bib42),4 (https://arxiv.org/html/2608.26081#bib.bib43)；语言模型智能体在此基础上增加了通用推理、记忆、通信和程序合成能力。Generative Agents展示了记忆、反思和规划如何在模拟城镇中支持涌现的社会行为，而Project Sid报告了在更大规模下的专业化、集体规则形成和文化传播43 (https://arxiv.org/html/2608.26081#bib.bib3),3 (https://arxiv.org/html/2608.26081#bib.bib4)。GovSim关注共享资源上的合作，AgentSociety将生成式智能体模拟扩展至超过10,000个智能体45 (https://arxiv.org/html/2608.26081#bib.bib8),44 (https://arxiv.org/html/2608.26081#bib.bib5)。TerraLingua更接近持久的LLM生态：智能体创建并修改超越其作者生命的文本制品，获得分支的文化谱系42 (https://arxiv.org/html/2608.26081#bib.bib44)。其他系统使能力本身得以累积。Voyager存储可重用的可执行技能，GenSwarm生成协调的多机器人策略，DiscoveryWorld将假设形成和实验置于交互式科学任务中59 (https://arxiv.org/html/2608.26081#bib.bib2),31 (https://arxiv.org/html/2608.26081#bib.bib29),30 (https://arxiv.org/html/2608.26081#bib.bib6)。然而，规模、记忆和通信并不能自动带来集体优势。局部感知仍挑战协调，而快速共识可能抑制探索，即使个体推理能力得到提升48 (https://arxiv.org/html/2608.26081#bib.bib27),64 (https://arxiv.org/html/2608.26081#bib.bib28)。  

另一系列工作将LLM和多智能体系统应用于科学发现，将推理与知识表示、代码、模拟和分析工具相耦合12 (https://arxiv.org/html/2608.26081#bib.bib58),14 (https://arxiv.org/html/2608.26081#bib.bib59),11 (https://arxiv.org/html/2608.26081#bib.bib60)。ProtAgents将专用智能体分配于蛋白质设计、结构预测、模拟和检索；SciAgents通过知识图谱链接专门化推理；AtomAgents将多模态智能体连接至原子模拟以设计合金24 (https://arxiv.org/html/2608.26081#bib.bib61),21 (https://arxiv.org/html/2608.26081#bib.bib25),20 (https://arxiv.org/html/2608.26081#bib.bib30)。Sparks和SparksMatter组织假设生成、计算测试和迭代精炼，而CASCADE强调可重用科学技能的获取与交换22 (https://arxiv.org/html/2608.26081#bib.bib31),23 (https://arxiv.org/html/2608.26081#bib.bib26),29 (https://arxiv.org/html/2608.26081#bib.bib32)。去中心化蛋白质设计群体、PharmaSwarm和MusicSwarm探索序列搜索、药物发现和长期创造性生产中的集体组织57 (https://arxiv.org/html/2608.26081#bib.bib33),50 (https://arxiv.org/html/2608.26081#bib.bib34),13 (https://arxiv.org/html/2608.26081#bib.bib62)；虚拟实验室和ScienceClaw×\\timesInfinite将分析单元扩展至竞争、传播研究谱系或基于持久科学制品发展的社区39 (https://arxiv.org/html/2608.26081#bib.bib35),58 (https://arxiv.org/html/2608.26081#bib.bib45)。这些系统建立了相当程度的自主性；蛋白质设计群体还报告了生成设计的实验验证。然而，大多数系统仍然规定了角色、工作流、工具访问、评估结构或有限的交互模式，而非询问最初同质的智能体会涌现何种技术组织。  

目前缺失的是一个结合四个特性的受控测试：最初同质的智能体、保留其修改的共享世界、功能独立于智能体声明进行评估的可执行技术，以及匹配的独立搜索基线以衡量交互是否改变了能力而非仅仅增加了样本数量。TerraLingua为持久文化积累提供了接近的比较，但其主要制品是文本性的，其终点涉及生态生存和解释性制品属性。这种区别具有重要影响：持久信息可展示文化积累，而持久技术还可接受外部功能检测。技术传承因此应有两个独立可观察的结果——后续智能体可继承和修改早期构造，且由此产生的制品可在不依赖LLM对其价值描述的动态条件下成功或失败。科学智能体系统提供功能评估，但通常在设计的分解或工作流内。未解决的问题不仅是LLM智能体能否通信、专业化或创建制品，而是它们的交互能否产生比相同计算群体独立发现更具功能优势的技术生态。  

参照图注：图1：导致SwarmWorld的概念脉络；连接器表示概念融合而非每对相邻项目间的直接传承。\(A\) 生物集合体和群体计算方法贡献了去中心化协调、反馈和stigmergy。\(B\) 局部规则模型和人工社会贡献了持久世界，其中局部行动改变共享状态并生成种群级组织。\(C\) 分布式智能体和LLM系统贡献了显式智能体状态、记忆引导规划、具身化、通信和可重用的可执行技能。\(D\) SwarmWorld将这些元素结合在一个物质受限的多智能体世界中，智能体构建持久制品并继承或修改其程序。由此产生的技术生态可在智能体移除后进行评估。  
图片来源。蚂蚁照片由Kiran Vati K提供，CC BY 4.0 (https://commons.wikimedia.org/wiki/File:Ants_on_the_hunt_for_food.jpg)，裁剪并调整颜色。Boids静态图来自Andrew Magill的视频，CC BY 2.0 (https://commons.wikimedia.org/wiki/File:Boids_OpenGL_example.webm)，提取、裁剪并调整颜色。生命游戏滑翔机枪示意图由Bryan.burgers提供，公共领域 (https://commons.wikimedia.org/wiki/File:Game_of_life_glider_gun.svg)，置于网格背景上。Micropolis截图基于Will Wright和Maxis Software/Electronic Arts的原始软件、Don Hopkins和DUX Software的Unix移植版、Tomhannen的截图以及bayo的编辑；GPLv3或更高版本含第7节附加条款 (https://commons.wikimedia.org/wiki/File:Micropolis_-_big_city.png)，裁剪并调整颜色。Sugarscape视图、方法示意图和SwarmWorld渲染由作者创建。  

为填补这一空白，我们引入SwarmWorld——一个受控环境，将最初同质的LLM智能体与持久、物质受限的世界相结合（图1 (https://arxiv.org/html/2608.26081#S1.F1)）。无需指派角色、预定义配方或技术目录，智能体局部探索、处理源-汇核算的资源、测试材料、构建持久制品并编写可执行控制器。该架构强制执行提案-后果分离：想法、消息和设计是智能体自主的声明，而确定性模拟器单独决定可构建什么以及其功能如何。每项技术都具有空间情境性，读取并作用于局部世界状态，并在智能体决策之间持续执行。由于后续智能体可遇到、继承和修改这些构造，成功的工作成为环境的一部分，而不仅存在于记录中。由于智能体在留出评估期间被移除，制品性能也可独立于其创造者的解释进行测量。  

我们通过受控消融分离通信、跨智能体程序继承和物理stigmergy，并将每个社会与接收相同预定决策机会的匹配独立智能体的端点最优NN包络进行比较。这使得群体优势可证伪：交互必须超越相同计算群体通过独立搜索所达到的能力。在50–200个智能体的种群和互补的长期实验中，共享世界产生了更广泛、更具韧性的技术组合，并在探索性行为与技术中心行为之间实现自组织分化。显式文化产生协作和可执行继承，但并未改善每个端点，而独立搜索仍可保留最强的单个制品。因此，贡献是有限的群体优势：交互主要支持多样、持久的技术生态的积累，而非普遍优越的个体发明。  

## 2结果与讨论  
SwarmWorld提供了一个环境，可通过多种渠道评估集体智能，包括智能体行为、通信以及种群留下的技术（在共享世界中）。这一设计使我们能够探究交互如何改变技术组合的发现、积累、继承和...