MinionsLLM：面向多主体系统自然语言训练与控制的任务自适应框架
计算与语言
2025-08-13 v1 人工智能
机器学习
多智能体系统
机器人学
摘要
本文提出 MinionsLLM，一种新型框架，将大型语言模型 (LLM) 与行为树 (BT) 和形式语法整合，以实现对任意用户定义环境中多主体系统的自然语言控制。MinionsLLM 提供标准化的接口，用于定义环境、主体和行为原语，引入两种合成数据集生成方法（方法 A 和方法 B），以改进 LLM 的语法有效性和语义任务相关性。我们使用谷歌的 Gemma 3 模型系列在三个参数规模（1B、4B 和 12B）上进行验证，证明方法 B 将语法有效性提升至 92.6%，并实现了对基线的平均任务性能提升 33%。值得注意的是，我们的实验显示，较小的模型从微调中受益最大，这表明在资源受限的多主体控制场景中部署紧凑、本地托管的 LLM 具有前景。该框架和所有资源均已开源发布，以支持可重复性和未来研究。
引用
@article{arxiv.2508.08283,
title = {MinionsLLM: a Task-adaptive Framework For The Training and Control of Multi-Agent Systems Through Natural Language},
author = {Andres Garcia Rincon and Eliseo Ferrante},
journal= {arXiv preprint arXiv:2508.08283},
year = {2025}
}