arXiv cs.MA· Fabian Tritthart, Tom Zehle·· 12 小时前AI 评分29
CATS：面向多智能体系统的对比归因拓扑搜索
Credit Where Credit Is Due: Contrastive Attribution Topology Search for Multi-Agent Systems
AI 导读
研究者提出对比归因拓扑搜索（CATS），在固定智能体超图中搜索紧凑团队，由 LLM 归因器对比执行轨迹为单个智能体分配信用，并据此更新超图边、逐步剪枝弱边与弱智能体。
正文 · AI 翻译
摘要：一个 LLM 多智能体系统（MAS）的优劣取决于它所选择信任的智能体：其准确性和成本取决于其拓扑结构，即包含哪些智能体以及它们如何通信。然而，单一任务得分并不能揭示哪些智能体有助于或妨碍性能。我们提出对比归因拓扑搜索（CATS），它在由专用智能体构成的固定超图中搜索紧凑的团队。一个 LLM 归因器比较候选拓扑上的执行轨迹，并将功劳分配给各个智能体。CATS 利用这些功劳来更新超图的边，同时逐步剪除弱边和弱智能体，从而得到一个用于部署的小型团队。在小型开放权重模型和匹配的候选评估下，CATS 在 BigCodeBench 上比仅基于分数的启发式搜索平均准确率提高了 5.3 个百分点，同时部署 token 用量减少了 54\%。在 MBPP 上，CATS 以比其他搜索更少的 token 匹配了最强的基线。在 HotpotQA 提示投毒压力测试中，CATS 在全部三次运行中都排除了所有被对抗性提示的智能体，而随机搜索在准确率相当的情况下仍保留了一些。因此，逐智能体归因既支持团队优化，也支持剪除潜在有害的智能体。
| 主题： | 计算与语言（cs.CL）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2610.29292 [cs.CL] |
| （或 arXiv:2610.29292v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.29292 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Tom Zehle [查看电子邮件]
[v1]
2026年10月21日星期三 06:46:11 UTC（957 KB）
来源：arXiv cs.MA · arxiv.org