思考团队：通过编排工具调用实现代理系统的高效测试时扩展
计算与语言
2026-03-26 v2 人工智能
多智能体系统
摘要
现有的多代理系统（MAS）通常依赖同质化的模型配置，无法发挥不同后训练架构中固有的多样化专业知识。我们提出了思考团队（Team-of-Thoughts），一种异构 MAS 框架，将不同模型视为由编排器驱动的范式中的专业工具。思考团队引入了两个新组件：（1）编排器校准，识别具有优越协调和综合能力的模型；（2）代理自我评估，是一种工具代理轮廓其自身领域特定优势以指导选择的协议。在推理时，编排器根据这些轮廓动态激活最兼容的代理，以最大化能力覆盖。在五个数学推理和代码生成基准测试中，思考团队 consistently 超越单个模型和现有 MAS 基线。值得注意的是，在 AIME24 和 LiveCodeBench 上，思考团队分别实现了 96.00% 和 77.91% 的准确率，显著优于同质化角色玩法基线（80.00% 和 65.93%）。
引用
@article{arxiv.2602.16485,
title = {Team of Thoughts: Efficient Test-time Scaling of Agentic Systems through Orchestrated Tool Calling},
author = {Jeffrey T. H. Wong and Zixi Zhang and Junyi Liu and Yiren Zhao},
journal= {arXiv preprint arXiv:2602.16485},
year = {2026}
}
备注
8 pages