理解基于 LLM 的多智能体系统中通信拓扑的信息传播效应
多智能体系统
2025-05-30 v1 人工智能
摘要
基于大语言模型的多智能体系统中的通信拓扑从根本上支配着智能体间的协作模式，对集体决策的效率与有效性起着至关重要的作用。尽管近期关于通信拓扑自动设计的研究倾向于构建稀疏结构以提升效率，但它们往往忽略了稀疏与稠密拓扑为何以及何时会促进或阻碍协作。在本文中，我们提出了一个因果框架，用于分析智能体输出（无论正确与否）在不同稀疏度拓扑下的传播方式。我们的实证研究表明，适度稀疏的拓扑能够有效抑制错误传播并保留有益信息扩散，通常能实现最优的任务性能。受此启发，我们提出了一种新颖的拓扑设计方法 EIB-leanrner，该方法通过融合稠密图与稀疏图的连通性模式，来平衡错误抑制与有益信息传播。大量实验表明，EIB-leanrner 在有效性、通信成本和鲁棒性方面均表现出卓越的性能。
引用
@article{arxiv.2505.23352,
title = {Understanding the Information Propagation Effects of Communication Topologies in LLM-based Multi-Agent Systems},
author = {Xu Shen and Yixin Liu and Yiwei Dai and Yili Wang and Rui Miao and Yue Tan and Shirui Pan and Xin Wang},
journal= {arXiv preprint arXiv:2505.23352},
year = {2025}
}