HiVA：基于目标驱动语义-拓扑演化的自组织层次可变智能体
人工智能
2025-09-03 v1 多智能体系统
摘要
自主智能体在推动人工通用智能方面发挥着关键作用，通过大型语言模型（LLM）实现问题分解和工具编排。然而，现有方法论面临一个关键权衡：一方面，可复用且固定的工作流程需要在环境变化时进行手动重新配置；另一方面，灵活的反应式循环则无法将推理过程提炼为可迁移的结构。我们引入层次可变智能体（Hierarchical Variable Agent, HiVA），一种新型框架将智能体工作流程建模为自组织图结构，采用语义-拓扑演化（Semantic-Topological Evolution, STEV）算法，通过文本梯度作为离散域的代理函数来优化混合语义-拓扑空间。该迭代过程包括多臂老虎机驱动的前向路由、来自环境反馈的诊断性梯度生成，以及协调更新，使个体语义和拓扑结构协同演化，以实现未知环境下的集体优化。在对话、编码、长上下文问答、数学和智能体基准测试中进行实验，结果显示相较于现有基线方法，任务准确率提升5%-10%，且资源效率得到增强，确立了HiVA在自主任务执行中的有效性。
引用
@article{arxiv.2509.00189,
title = {HiVA: Self-organized Hierarchical Variable Agent via Goal-driven Semantic-Topological Evolution},
author = {Jinzhou Tang and Jusheng Zhang and Qinhan Lv and Sidi Liu and Jing Yang and Chengpei Tang and Keze Wang},
journal= {arXiv preprint arXiv:2509.00189},
year = {2025}
}