G-Designer：基于图神经网络的多智能体通信拓扑架构
多智能体系统
2025-02-07 v3 机器学习
摘要
近期大语言模型 (LLM) 代理的进展表明，集体智慧可以显著超越单个代理的能力，这主要归功于精心设计的代理间通信拓扑。尽管存在多种且表现优异的设计，但实践者往往面临为特定任务选择最佳管道的困惑：哪种拓扑结构最适合我的任务，既能避免不必要的通信 token 开销，又能确保高质量解决方案？为此，我们引入 G-Designer，这是一个自适应、高效且稳健的解决方案，用于多智能体部署，能够动态设计面向任务的、定制化的通信拓扑。具体而言，G-Designer 将多智能体系统建模为多智能体网络，利用变分图自编码器对节点（代理）和任务特定虚拟节点进行编码，并解码出面向任务自适应且表现优异的通信拓扑。在六个基准测试上的大量实验表明，G-Designer 是：\textbf{(1) 高性能的}，在 MMLU 上准确率达到 $84.50\%，在 HumanEval 上通过率达到 $89.90\%；\textbf{(2) 任务自适应的}，为不同难度的任务构筑通信协议，HumanEval 上可减少最高 $95.33\% 的 token 消耗；\textbf{(3) 对抗鲁棒的}，仅 $0.3\% 的准确率下降即可抵御代理对抗攻击。
引用
@article{arxiv.2410.11782,
title = {G-Designer: Architecting Multi-agent Communication Topologies via Graph Neural Networks},
author = {Guibin Zhang and Yanwei Yue and Xiangguo Sun and Guancheng Wan and Miao Yu and Junfeng Fang and Kun Wang and Tianlong Chen and Dawei Cheng},
journal= {arXiv preprint arXiv:2410.11782},
year = {2025}
}