arXiv cs.MA· Congjia Tian, Yuhang Yao, Jiaming Cui·· 10 小时前AI 评分31
QueenBee：面向 LLM 多智能体系统通信拓扑设计的递归自我改进框架
QueenBee: A Recursively Self-Improving Harness for Communication Topology Design in LLM-Based Multi-Agent Systems
AI 导读
QueenBee 是一个经验引导的多智能体工作流进化框架，将工作流表示为可执行程序并生成时序通信 DAG，同时维护持久化结构记忆 SFT-Bank，存储执行诊断、设计假设、验证结果与历史程序。
正文 · AI 翻译
摘要：基于 LLM 的多智能体系统通过角色专门化和协作推理，在复杂任务上展现出巨大潜力。然而，现有的自动化工作流设计方法主要聚焦于一次性搜索与候选优化，缺乏对结构设计经验的持续积累与复用，难以满足不断演变的协调需求。我们提出 QueenBee，一个经验引导的多智能体工作流演化框架。QueenBee 将工作流表示为可执行程序，由其生成时序通信 DAG，并维护结构反馈与转换库（SFT-Bank）——一个持久化的结构记忆，涵盖执行诊断、设计假设与验证结果以及历史程序。这些积累的经验指导后续工作流的生成、验证与优化，实现协作程序与设计经验的协同演化。在 Silo-Bench 上的实验表明，QueenBee 在不同团队规模下均优于固定通信基线，并在近期自动化多智能体工作流优化方法中取得最高的平均任务得分。消融研究进一步表明，SFT-Bank 各组件提供互补的性能增益；而演化动态显示，随着结构经验的积累，独立运行中所找到的最佳协作结构质量呈现持续改善的平均趋势。
| 主题： | 多智能体系统（cs.MA） |
| 引用格式： | arXiv:2606.27492 [cs.MA] |
| （或本版本的 arXiv:2606.27492v2 [cs.MA]） | |
| https://doi.org/10.48550/arXiv.2606.27492 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jiaming Cui [查看邮箱]
[v1]
2026年6月25日 星期四 19:16:51 UTC（1,388 KB）
[v2]
2026年10月30日 星期五 04:12:34 UTC（1,768 KB）
来源：arXiv cs.MA · arxiv.org