论文页面 - AgentScope 中的超大规模多智能体仿真

来源：https://huggingface.co/papers/2407.17789

摘要

AgentScope 平台的增强功能通过分布式机制、灵活的环境和用户友好的工具，提升了大规模多智能体仿真的可扩展性、效率和易用性。

大语言模型（LLM）的最新进展为在超大规模仿真中应用多智能体系统开辟了新途径。然而，使用现有平台进行多智能体仿真时仍面临若干挑战，例如可扩展性和效率有限、智能体多样性不足、以及管理过程费力等。为解决这些问题，我们为 AgentScope（一个用户友好的多智能体平台，https://huggingface.co/papers?q=multi-agent%20platform）开发了多项新特性和组件，增强其支持超大规模多智能体仿真的便捷性和灵活性。具体而言，我们提出了一种基于 actor 的分布式机制（https://huggingface.co/papers?q=actor-based%20distributed%20mechanism）作为底层技术基础设施，以实现高可扩展性和高效率；并提供灵活的环境支持以模拟各种真实场景，从而实现多个智能体的并行执行、集中式工作流编排，以及智能体之间的交互和智能体与环境之间的交互（https://huggingface.co/papers?q=agent-environment%20interactions）。此外，我们在 AgentScope 中集成了一款易于使用的可配置工具（https://huggingface.co/papers?q=configurable%20tool）和自动背景生成流水线（https://huggingface.co/papers?q=automatic%20background%20generation%20pipeline），简化了创建具有多样且详细背景设置的智能体的过程。最后，我们提供了一个基于 Web 的界面（https://huggingface.co/papers?q=web-based%20interface），方便监控和管理可能部署在多台设备上的大量智能体。我们进行了全面的仿真以展示 AgentScope 中提出的增强功能的有效性，并提供了详细的观察和讨论，以突显多智能体系统在大型仿真中的巨大应用潜力。源代码已在 GitHub 上发布：https://github.com/modelscope/agentscope，以启发超大规模多智能体仿真领域的进一步研究和发展。

查看 arXiv 页面 (https://arxiv.org/abs/2407.17789)查看 PDF (https://arxiv.org/pdf/2407.17789)GitHub24.7k auto (https://github.com/modelscope/agentscope)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2407.17789)

在您的智能体中获取这篇论文：

hf papers read 2407.17789

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

引用此论文的模型0

暂无模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2407.17789 以从此页面链接。

引用此论文的数据集0

暂无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2407.17789 以从此页面链接。

引用此论文的 Spaces0

暂无 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2407.17789 以从此页面链接。

包含此论文的合集7

浏览包含此论文的 7 个合集 (https://huggingface.co/collections?paper=2407.17789)