CoWork-X：面向多智能体协作系统的经验优化共进化
计算与语言
2026-02-06 v1 人工智能
摘要
大型语言模型正在为交互环境中的语言条件化智能体提供可能，但高度合作的任务往往施加两个同时约束：亚秒级实时协调和严格的在线 token 预算下的持续多剂集适应。现有方法要么依赖频繁的剂内推理导致延迟和时序抖动，要么通过非结构化文本提供剂后改进，难以编译为可靠低成本的执行。我们提出 CoWork-X，一个主动共进化框架，将同伴协作视为跨剂集的闭环优化问题，灵感来自快速-慢速记忆分离。CoWork-X 实现了一个通过基于 HTN 的技能检索执行的技能智能体，以及执行剂后修补式技能Consolidation的 Co-Optimizer，具备明确的预算约束和漂移正则化。针对具有挑战性的类似 Overcooked-AI 的实时协作基准进行实验，表明 CoWork-X 在稳定的累积性能提升的同时，持续减少在线延迟和 token 使用。
引用
@article{arxiv.2602.05004,
title = {CoWork-X: Experience-Optimized Co-Evolution for Multi-Agent Collaboration System},
author = {Zexin Lin and Jiachen Yu and Haoyang Zhang and Yuzhao Li and Zhonghang Li and Yujiu Yang and Junjie Wang and Xiaoqiang Ji},
journal= {arXiv preprint arXiv:2602.05004},
year = {2026}
}