MaCTG：面向自动编程的多智能体协作思维图
软件工程
2025-04-22 v2 计算机视觉与模式识别
多智能体系统
摘要
随着大型语言模型（LLM）的快速发展，基于 LLM 的方法在各个领域展现出强大的问题解决能力。然而，在自动编程领域，单个 LLM 通常仅能实现函数级代码生成，而由多个 LLM 组成的多智能体系统常因任务规划效率低下而受限。这种缺乏结构化协调会导致级联幻觉，即跨智能体的累积性错误导致次优工作流程和额外的计算成本。为克服这些挑战，我们引入了 MaCTG（Multi-Agent Collaborative Thought Graph），这是一种新型多智能体框架，采用动态图结构来促进 LLM 智能体之间精准的任务分配和受控的协作。MaCTG 根据编程需求自动分配智能体角色，通过基于上下文的调整动态细化任务分布，系统性地验证和集成项目级代码，从而有效减少幻觉错误并提高整体准确度。MaCTG 通过实施混合 LLM 部署实现成本效益，其中专有模型处理复杂推理，而开源模型用于常规编码和验证任务。为评估 MaCTG 的效果，我们将其应用于传统图像处理自动编程任务，实现了最高 83.33% 的准确率。此外，凭借其混合 LLM 配置，MaCTG 比现有多智能体框架将运营成本显著降低了 89.09%，展示了其效率、可扩展性和实际应用价值。
引用
@article{arxiv.2410.19245,
title = {MaCTG: Multi-Agent Collaborative Thought Graph for Automatic Programming},
author = {Zixiao Zhao and Jing Sun and Zhe Hou and Zhiyuan Wei and Cheng-Hao Cai and Miao Qiao and Jin Song Dong},
journal= {arXiv preprint arXiv:2410.19245},
year = {2025}
}