面向企业AI的安全且符合政策的多智能体编排
人工智能
2026-04-21 v1
摘要
企业AI系统日益部署多个智能代理跨越关键业务流程，这些流程必须满足硬性政策约束、受限风险暴露以及全面的可审计性(SOX, HIPAA, GDPR)。现有的协调方法——合作MARL、共识协议和集中规划——优化期望奖励，同时将约束隐式地处理。本文引入CAMCO(Constraint-Aware Multi-Agent Cognitive Orchestration)，作为运行时协调层，将多智能体决策建模为受约束的优化问题。CAMCO集成了三种机制：(i)基于凸投影的约束投影引擎，通过强制执行政策可行动作；(ii)自适应风险加权拉格朗日效用调节；(iii)具有可证明有界收敛的迭代协商协议。不同于训练时受约束的RL，CAMCO作为部署时的中间件兼容任何智能体架构，政策谓词设计用于直接集成到生产引擎中如OPA。评估包括与受约束拉格朗日MARL基线的比较，展示了零政策违规、风险暴露低于阈值(平均比率0.71)、92-97%的效用保留率，以及平均2.4次迭代的收敛。
引用
@article{arxiv.2604.17240,
title = {Safe and Policy-Compliant Multi-Agent Orchestration for Enterprise AI},
author = {Vinil Pasupuleti and Shyalendar Reddy Allala and Siva Rama Krishna Varma Bayyavarapu and Shrey Tyagi},
journal= {arXiv preprint arXiv:2604.17240},
year = {2026}
}
备注
6 pages, 3 figures, 3 tables, IEEE conference format