KABB：面向多智能体系统中动态专家协调的知识感知贝叶斯臂带
人工智能
2025-09-09 v2
摘要
随着大型语言模型的规模化面临高昂的成本，多智能体系统作为一种有前景的替代方案，却面临静态知识假设和协调效率低下的挑战。我们引入知识感知贝叶斯臂带 (Knowledge-Aware Bayesian Bandits, KABB)，一种新型框架，通过语义理解和动态适应来增强多智能体系统的协调。该框架具有三个关键创新：用于深层语义理解的三维知识距离模型、用于持续专家优化的双重适应机制、以及用于高效专家选择的知识感知 Thompson 采样策略。广泛的评估表明，KABB 在多智能体协调中实现了最佳的成本性能平衡，保持高性能的同时，计算需求相对较低。
关键词
引用
@article{arxiv.2502.07350,
title = {KABB: Knowledge-Aware Bayesian Bandits for Dynamic Expert Coordination in Multi-Agent Systems},
author = {Jusheng Zhang and Zimeng Huang and Yijia Fan and Ningyuan Liu and Mingyan Li and Zhuojie Yang and Jiawei Yao and Jian Wang and Keze Wang},
journal= {arXiv preprint arXiv:2502.07350},
year = {2025}
}
备注
Accepted by the Main Conference of ICML 2025. Code: https://github.com/HCP-AI-Research-Lab/KABB