面向自组织多智能体系统的增强运行时协作：一种混合双准则路由方法
多智能体系统
2025-12-02 v1
摘要
LLM-based 多智能体系统已在各个领域展现出显著能力，但其任务性能和效率在协作策略方面受到根本性限制。主流方法依赖静态拓扑和集中式全局规划，这种范式限制了其在开放、去中心化网络中的规模性和适应性。仅凭局部信息，在分布式系统中进行有效的协作规划仍是巨大的挑战。为此，我们提出了一种名为 BiRouter 的创新性双准则路由方法，用于自组织多智能体系统 (SO-MAS)。该方法使每个智能体能够在运行时自主执行“下一跳”任务路由，仅依赖局部信息。其核心决策机制基于平衡两种指标：(1) ImpScore，用于评估候选智能体对整体目标的长期重要性；(2) GapScore，用于评估其对当前任务状态的情境连续性。此外，我们引入动态更新的声誉机制以增强系统在不可信环境下的鲁棒性，并开发了一个大规模、跨域数据集，包含数千条标注任务路由路径，以提升模型的泛化能力。广泛的实验表明，BiRouter 在已有基线之上实现卓越的性能和 token 效率，同时在信息受限、去中心化和不可信环境中保持强大的鲁棒性和有效性。
引用
@article{arxiv.2512.00740,
title = {Augmented Runtime Collaboration for Self-Organizing Multi-Agent Systems: A Hybrid Bi-Criteria Routing Approach},
author = {Qingwen Yang and Feiyu Qu and Tiezheng Guo and Yanyi Liu and Yingyou Wen},
journal= {arXiv preprint arXiv:2512.00740},
year = {2025}
}
备注
Accepted at The 40th Annual AAAI Conference on Artificial Intelligence