arXiv cs.AI· Yaxin Gong, Chongming Gao, Gangyi Zhang, Chenxiao Fan, Leyang Shen, Jiakai Wang, Dong Wang, Yang Liu, Haoyan Liu, Xinting Hu·· 13 小时前AI 评分34
SPLICE：定位并弥合多智能体系统中的信息缺口
Locating and Closing Information Gaps in Multi-Agent Systems
AI 导读
针对多智能体固定通信图导致证据无法送达所需节点的问题，SPLICE 在原始工作流运行后定位信息缺口，插入一条有向边并重执行受影响节点，再用基于过程特征训练的 selector 决定是否采纳新答案。在五个基准上，Web 工具使用任务得分提升 8.0%，四个推理与规划基准平均提升 5.7%，成本为原骨架的 1.25 至 1.44 倍，并可零样本迁移到四个未见过的 backbone。
正文 · AI 翻译
摘要：多步 Web 任务通常需要多个 LLM 智能体收集并整合证据。固定工作流的通信图限制了哪些智能体可以读取彼此的输出：一个智能体检索到的证据可能永远无法到达需要它的智能体，从而留下信息缺口，导致答案不完整或错误。增加一条连接可以传递缺失的证据，但也可能使接收方采纳错误的上游结论，从而取代正确答案；仅凭最终输出无法区分这两种情况。我们提出用于弥合多智能体执行中信息缺口的选择性探测与链接插入方法（SPLICE），它针对每个查询定位信息缺口，并在添加边后决定采纳什么。在原始工作流运行后，SPLICE 利用查询和节点输出定位可能的缺口，添加一条从源到接收方的有向边以传递相关证据，并重新执行接收方及受影响的下游节点，生成候选答案。采纳决策同时读取两次运行的最终答案以及编辑在工作流内部引起的过程变化：接收方移动了多远、其新内容来自何处，以及该变化是否到达最终答案。在这些过程特征上训练的选择器在采纳候选答案与保留原始答案之间做出选择。在五个基准上，相对于静态骨架，SPLICE 将 Web 工具使用任务得分提高 8.0%，将四个推理与规划基准的平均得分提高 5.7%，成本为骨架的 1.25 至 1.44$\times$，并可零样本迁移到四个未见过的骨干模型。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.40186 [cs.AI] |
| （或 arXiv:2610.40186v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.40186 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yaxin Gong [查看邮箱]
[v1]
2026年10月29日星期四 14:45:43 UTC（266 KB）
来源：arXiv cs.AI · arxiv.org