多智能体协作新框架AGENTVERSE：探索协作行为与效率提升

创作时间:

作者:

@小白创作中心

多智能体协作新框架AGENTVERSE：探索协作行为与效率提升

引用

CSDN

https://blog.csdn.net/weixin_44292902/article/details/142642522

大模型（LLMs）赋予了自主智能体广泛的任务泛化能力，但现实任务往往需要团队合作来提升效率。尽管已有研究探索了智能体的合作潜力，但这些研究通常局限于特定任务，缺乏通用性，并且智能体的合作方式较为固定，缺乏适应性。针对这一挑战，来自清华大学计算机科学与技术系、北京邮电大学计算机科学学院以及腾讯公司微信AI团队的研究人员共同提出了一个名为AGENTVERSE的多智能体框架。

AGENTVERSE框架

AGENTVERSE框架被设计来模拟人类群体的问题解决过程，以提高自主智能体团队实现目标的有效性。该框架由四个关键阶段组成（图1）：专家招募、协作决策制定、行动执行和评估。

专家招募

在专家招募阶段，框架确定多智能体团队的组成，这对决定团队的能力上限至关重要。研究证据表明，人类群体中的多样性引入了不同的观点，增强了团队在不同任务中的表现。AGENTVERSE通过自动化专家招募，使智能体配置更加可扩展。对于给定的目标g∈G，特定的智能体M_r被提示为“招募者”，类似于人力资源经理。招募者不是依赖于预定义的专家描述，而是根据g动态生成一组专家描述。然后，被这些不同的专家描述提示的不同智能体就形成了一个专家组M=M_r(g)。值得注意的是，多智能体团队的组成将根据评估阶段（后面提及）的反馈动态调整。这允许AGENTVERSE根据当前状态使用最合适的团队，以便在未来的轮次中做出更好的决策。

协作决策制定

协作决策制定阶段让专家智能体参与协作决策。为了促进有效的决策，先前的研究已经调查了智能体之间不同沟通结构的影响。研究主要关注两种典型的沟通结构：水平结构和垂直结构。

水平结构：在这个民主结构中，每个智能体m_i∈M共享和完善其决策a_mi。小组的集体决策
是使用函数f整合个别智能体的决策而形成的，这可能涉及总结或集成等技术。这种结构特别适用于咨询和工具使用等场景。
垂直结构：相反，垂直结构有明确的角色划分。一个被称为求解器的智能体m^∗提出一个初始决策
。其他智能体作为评审者，对这个提案提供反馈，促使求解器进行迭代改进，直到评审者达成共识或完成设定的迭代次数。最终决策A给出为
，其中k表示改进的次数。垂直结构更适用于数学问题求解和软件开发等任务，这些任务只需要一个经过改进的决策。

行动执行

在决策制定阶段，智能体共同促成一个包含需要在当前环境中执行的行动的团队决策A。在行动执行阶段，智能体随后在环境中执行集体决定的行动。根据实现的不同，一些智能体可能不执行任何执行。由于这些行动，环境状态从
转换为
。

评估

评估阶段对于AGENTVERSE至关重要，它指导后续轮次的改进。在这个阶段，反馈机制R评估当前状态
和期望目标g∈G之间的差异。然后，它提供口头反馈
，详细说明不足的领域，并提出增强性能的方法。R可以由人类定义（在人工参与的设置中）或智能体定义，用于自动反馈，具体取决于实现方式。如果目标g仍未实现，反馈r返回到最初的专家招募阶段。在下一轮中，专家招募阶段将考虑反馈r和目标g，以调整团队的组成，旨在根据当前进展发展出更有效的多智能体团队。