GraphDC：用于可扩展图算法推理的分治多智能体系统
人工智能
2026-05-11 v1 多智能体系统
摘要
大型语言模型在许多数学问题上展现出了强大的潜力。然而，它们在图算法任务上的表现仍然不尽如人意，因为图在拓扑结构上天然更为复杂，并且通常需要系统性的多步推理，尤其是在更大的图上。受此差距的启发，我们提出了 GraphDC，一个用于可扩展图算法推理的分治多智能体框架。具体而言，受分治设计启发，GraphDC 将输入图分解为更小的子图，将每个子图分配给一个专门的智能体进行局部推理，并使用主智能体将局部输出与子图间信息整合以产生最终解。这种分层设计减轻了单个智能体的推理负担，缓解了计算瓶颈，并提高了在大型图实例上的鲁棒性。大量实验表明，在跨越不同任务和规模的图算法推理中，GraphDC 始终优于现有方法，尤其是在直接端到端推理可靠性较低的大型实例上。
引用
@article{arxiv.2605.06671,
title = {GraphDC: A Divide-and-Conquer Multi-Agent System for Scalable Graph Algorithm Reasoning},
author = {Wenjin Li and Jiaming Cui},
journal= {arXiv preprint arXiv:2605.06671},
year = {2026}
}