来自人类团队的经验能否应用于多智能体系统？结构、多样性与互动动力学的作用

基于大语言模型（Large Language Model，LLM）驱动的智能体的多智能体系统（Multi-Agent Systems，MAS）正逐渐受到关注，但鲜有研究探讨其团队动态。灵感来自人类团队科学，我们提出了一个多智能体框架，以考察团队科学的核心方面：结构、多样性和互动动力学。我们在四个任务上评估了团队绩效：CommonsenseQA、StrategyQA、Social IQa 和 Latent Implicit Hate，涵盖常识推理和社会推理。我们的结果显示，平坦结构的团队在整体上表现优于层级结构的团队，而多样性则产生了细致的影响。通过访谈，我们发现智能体对自己的团队绩效过于自信，但在任务后的反思却显示出对协作的欣赏以及集成中的挑战，包括有限的对话协调。