成本导向通信：基于拍卖的方法用于语言智能体交互
人工智能
2026-04-27 v2
摘要
基于大型语言模型（LLM）构建的多智能体系统（MAS）常因“自由竞争”式通信而效率低下，导致代币消耗呈指数级增长且信噪比低下，阻碍实际部署。我们挑战“更多通信总是有益”的观念，假设其根本问题在于缺乏资源理性。我们认为，忽视稀缺原则的“免费”通信本质上会导致效率低下和不必要的开支。为此，我们引入动态拍卖式语言智能体（DALA）框架，将通信带宽视为稀缺且可交易的资源。具体而言，DALA将智能体间通信视为集中式拍卖，智能体通过对消息价值密度的预测学习出价以争取发言机会。因此，DALA内在地鼓励智能体产生简洁、信息丰富的消息，同时过滤低价值的通信。广泛且全面的实验表明，我们的DALA在七个具有挑战性的推理基准上实现了新的状态-of-the-art性能，包括在MMLU上达到84.32%，在HumanEval上达到91.21%的pass@1率。值得注意的是，这一成就是以极其有限的资源实现的，即我们的DALA仅使用625万个token，远低于当前在GSM8K上使用资源消耗的SOTA方法。进一步分析表明，DALA培养出了战略沉默的涌现能力，有效地通过资源约束，在噪声性与沉默之间动态调整其通信策略。我们的代码和更新可在https://github.com/waltstephen/Cost-Effective-Communication获得。
引用
@article{arxiv.2511.13193,
title = {Cost-Effective Communication: An Auction-based Method for Language Agent Interaction},
author = {Yijia Fan and Jusheng Zhang and Kaitong Cai and Jing Yang and Chengpei Tang and Jian Wang and Keze Wang},
journal= {arXiv preprint arXiv:2511.13193},
year = {2026}
}