论文页面 - TacoMAS：基于大语言模型的多智能体系统中测试时拓扑与能力的协同演化

来源：https://huggingface.co/papers/2605.09539

摘要

一种用于多智能体系统的测试时协同演化框架，通过在不同时间尺度上联合调整智能体能力和通信拓扑，实现任务条件稳定性并提升性能。

多智能体系统（MAS）已成为解决复杂任务的一种有前景的范式。最近的工作探索了能够自动优化智能体能力或通信拓扑的自我演化 MAS。然而，现有方法要么在推理时学习并保持固定的拓扑，要么在推理期间仅调整拓扑或能力。我们在经验和理论上证明，有效的测试时演化需要联合调整这两个维度，但需在不同时间尺度上进行：能力应快速更新以应对新兴的子任务，而拓扑应较慢演化以保持协调稳定性。随后我们引入了 TacoMAS，一种面向动态 MAS 的测试时协同演化框架。TacoMAS 将 MAS 推理表述为在线图适应任务，其中节点代表具有特定角色能力的智能体，边定义其通信拓扑。在推理过程中，快速能力循环利用轨迹级反馈更新智能体专长，而由元大语言模型驱动的快速拓扑循环则在 MAS 上执行智能体的生灭操作，包括边编辑、智能体添加和智能体移除。我们进一步证明，这种快慢设计驱动 MAS 演化趋向任务条件的稳定均衡。在四个基准测试上的实验表明，TacoMAS 优于近 20 个多智能体基线模型，相比最强基线平均提升了 13.3%。代码已发布在 https://github.com/chenxu2-gif/TacoMAS-MultiAgent。

查看 arXiv 页面 (https://arxiv.org/abs/2605.09539) 查看 PDF (https://arxiv.org/pdf/2605.09539) GitHub1 (https://github.com/chenxu2-gif/TacoMAS-MultiAgent) 添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2605.09539)

在你的智能体中获取此论文：

hf papers read 2605\.09539

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2605.09539 以从本页链接。

引用此论文的数据集0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2605.09539 以从本页链接。

引用此论文的空间0

没有空间链接此论文

在空间 README.md 中引用 arxiv.org/abs/2605.09539 以从本页链接。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 以从本页链接。